L’apprendimento automatico, o Machine Learning (ML),  è una branca dell’intelligenza artificiale basata sull’idea che il sistema può imparare dai dati, identificare schemi e prendere decisioni senza l’intervento umano.
Esistono diversi algoritmi di apprendimento automatico, come macchine di supporto vettoriale (Support Vector Machine), reti neurali (Neural Networks) o alberi decisionali (Decision tree), ma uno dei più potenti è il Deep Learning.
La parte più importante di un algoritmo ML è il processo di apprendimento che utilizza a partire dai dati che gli forniamo.  Questo processo di apprendimento si chiama “addestramento”. Quando un computer viene addestrato, apprende da una serie di esempi, e dunque successivamente è in grado di “generalizzare” quanto ha imparato su nuovi dati non visti in precedenza. Analogamente a come noi umani impariamo a riconoscere i nomi che diamo agli oggetti, e poi siamo in grado di identificare lo stesso oggetto anche quando non è esattamente il medesimo che avevamo visto in precedenza.
Ciò significa che le macchine sono in grado di riconoscere oggetti, persone e modelli in generale, oltre a risolvere diversi tipi di problemi che consentono l’automazione di più processi.
