Данные постоянно накапливаются практически в любой сфере деятельности человека. Информация от разнообразных информационных систем и систем объективного контроля в режиме реального времени поступает на серверы государственных организаций и коммерческих компаний, превращаясь в то, что сейчас принято называть «большими данными». Они требуют разработки и внедрения постоянно улучшающихся систем хранения и обработки информации.

Машинное обучение основано на методах, характерной чертой которых является обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, техники работы с данными в цифровой форме. Два типа обучения – обучение по прецедентам, основанное на выявлении эмпирических закономерностей в данных и дедуктивное обучение, предполагающее формализацию знаний экспертов в какой-либо области и перенос в компьютер в виде базы знаний.

Машинное обучение относят к методам искусственного интеллекта, так как оно не решает задачу напрямую, а обучается применять решение. Многие методы также тесно связаны с извлечением информации и интеллектуальным анализом данных (Data Mining)

Машинное обучение применяется в беспилотных аппаратах (автомобилях, роботах и летательных аппаратах), в системах распознавания речи, эффективных поисковых системах и т.д.

В рамках обучения в Мастерской изучается опыт разработки и практически полезного применения алгоритмов машинного обучения к традиционным и новым задачам.