機器學習為現代生活的許多功能提供了動力，包括搜索引擎、社交媒體和自動駕駛汽車，并且越來越多地應用于其他領域，如科學和藝術。

由于機器學習系統使用數據來做出決策或預測，因此有偏見或不完整的數據集可能會導致次優或意外的結果。

計算機科學家根據系統的使用方式選擇不同的機器學習方法。例如，強化學習通過在系統正確執行動作時提供獎勵來教授系統與環境交互。使用數據的另外兩種常見方法是監督學習和無監督學習，前者適用于自動駕駛汽車中使用的計算機視覺系統，后者用于需要對數據進行聚類的情況（例如，流媒體服務的受眾細分或向在線購物者推薦產品）。

這幅漫畫展示了有監督和無監督的機器學習方法。