یادگیری ماشین (Machine Learning) به مجموعه‌ای از الگوریتم‌ها و تکنیک‌هایی گفته می‌شود که به کامپیوترها اجازه می‌دهد تا از داده‌ها یا تجربیات گذشته چیزهایی یاد بگیرند و بدون نیاز به برنامه‌نویسی معمول و متداول، رفتار یا پاسخی را برای ورودی‌های جدید تولید کنند. در واقع، روش‌های یادگیری ماشین با به کارگیری الگوریتم‌های آماری و ریاضی، الگوهایی را در داده‌ها شناسایی می‌کنند و از آن‌ها برای پیش‌بینی و تصمیم‌گیری در مورد داده‌های جدید استفاده کنند. یادگیری به دلیل داشتن مزایایی مانند قابلیت پردازش حجم بزرگی از داده‌ها، توانایی شناسایی الگوهای پیچیده و پیش‌بینی دقیق، اهمیت بسیاری در بسیاری از زمینه‌های کاربردی مانند پردازش زبان‌های طبیعی، تشخیص تصاویر، پیش‌بینی بازار، تحلیل داده‌ها و ... دارد. در این درس مقدماتی با مبانی یادگیری ماشین و برخی از الگوریتم‌های شناخته‌شده آن مانند رگرسیون، درخت‌تصمیم، نزدیک‌ترین k-همسایه، رگرسیون لجستیک و مانند آن‌ها آشنا می‌شویم و آن‌ها را محیط پایتون به کار می‌گیریم.