Aprendizaje automático (ML)
Algoritmos que generalizan patrones a partir de datos para hacer predicciones o tomar decisiones sin reglas escritas a mano para cada caso.
El aprendizaje automático (ML) abarca métodos donde el comportamiento de un modelo es moldeado por datos de entrenamiento: ejemplos, objetivos, recompensas, no puramente mediante árboles de reglas explícitas (IA simbólica).
Las vertientes históricas incluyen aprendizaje supervisado con ejemplos etiquetados (incluidas máquinas de vectores de soporte y bosques aleatorios), aprendizaje por refuerzo con recompensas, aprendizaje no supervisado como el clustering, modelos de lenguaje desde n-gramas de cadena de Márkov hasta embeddings de palabras neuronales, y desde los años 2000 aprendizaje profundo a gran escala con redes neuronales.