இயந்திர கற்றல்-Machine learning என்பது செயற்கை நுண்ணறிவின் (AI) துணைப் புலமாகும், இது தரவுகளில் உள்ள வடிவங்களை அடையாளம் காணவும், அந்தத் தரவின் அடிப்படையில் கணிப்புகள் அல்லது முடிவுகளை எடுக்கவும் பயிற்றுவவிக்கும் அல்காரிதம்களை உள்ளடக்கியது. ஒரு இயந்திரத்தை தரவுகளிலிருந்து கற்றுக்கொள்வதற்கும், வெளிப்படையாக நிரல்படுத்தப்படாமல் காலப்போக்கில் அதன் செயல்திறனை மேம்படுத்துவதற்கும் கற்பிப்பதே இதன் எண்ணக்கரு.
பல்வேறு வகையான இயந்திர கற்றல் வழிமுறைகள் உள்ளன, ஆனால் ஒரு பொதுவான அணுகுமுறை மேற்பார்வை கற்றல் supervised learning என்று அழைக்கப்படுகிறது. இந்த அணுகுமுறையில், இயந்திரமானது பெயரிடப்பட்ட தரவுத்தொகுப்பில் பயிற்சியளிக்கப்படுகிறது. அதாவது ஒவ்வொரு தரவுப் புள்ளியும் அறியப்பட்ட விளைவு அல்லது லேபிளுடன் தொடர்புடையது. குறிப்பிட்ட விளைவுகளுடன் தொடர்புடைய தரவுகளில் உள்ள வடிவங்களை அடையாளம் காண இயந்திரம் கற்றுக்கொள்கிறது, மேலும் புதிய, லேபிளிடப்படாத தரவைப் பற்றிய கணிப்புகளைச் செய்ய அந்த வடிவங்களைப் பயன்படுத்தலாம்.
மற்றொரு அணுகுமுறை மேற்பார்வை செய்யப்படாத கற்றல் unsupervised learning என்று அழைக்கப்படுகிறது, அங்கு இயந்திரத்திற்கு லேபிளிடப்பட்ட தரவு வழங்கப்படவில்லை, மாறாக அதன் சொந்த தரவுகளில் வடிவங்கள் அல்லது கட்டமைப்பைத் தேடுகிறது. இந்த அணுகுமுறை பெரும்பாலும் கிளஸ்டரிங்-clustering போன்ற பணிகளுக்குப் பயன்படுத்தப்படுகிறது, அங்கு இயந்திரம் ஒத்த தரவு புள்ளிகளை ஒன்றாக இணைக்க முயற்சிக்கிறது.
இயற்கை மொழி செயலாக்கம்-natural language processing, படம் மற்றும் பேச்சு அங்கீகாரம்-image and speech recognition, பரிந்துரை அமைப்புகள்-recommendation systems, மோசடி கண்டறிதல் மற்றும் பல போன்ற பல்வேறு துறைகளில் இயந்திர கற்றல் பயன்படுத்தப்படுகிறது.