Machine Learning beschreibt Computermodelle, welchen eine Mustererkennung angelernt wird. Dabei verwendet man große Mengen von Daten, welche nach den gewünschten Parametern unterschieden sind. Das Modell erkennt daraus die Zusammenhänge und kann danach Schätzungen abgeben. Nach dem Anlernen wird die Genauigkeit getestet und anschließend gezielt durch neue Daten nachadjustiert, bis das Modell die gewünschten Ergebnisse erzielt. Dieser Prozess kann oft hintereinander angewendet werden, um immer genauere Mustererkennung zu ermöglichen. Der Anlernprozess wiederum geschieht durch angelernte Modelle und wird so immer effizienter und genauer. Ohne Machine Learning wäre es logistisch unmöglich mit den Mengen an Daten (Big Data) umzugehen, die produziert werden. Die Modelle sind bereits heute in vielen Bereichen genauer und bei weitem effizienter in dem Erkennen von Mustern und der Diagnose als der menschliche Maßstab. Wenn das Modell einmal geschaffen ist, kann es laufend verbessert werden.