Tradiční programování je založené na psaní přesného postupu řešení problému krok za krokem. Mnohé problémy však takto řešit nejde, protože není jasné, jak by takový přesný postup měl vypadat (např. překlad textu, detekce spamu, určení rostliny na fotce). Místo toho můžeme nechat počítač, aby se řešení problému naučil sám z poskytnutých příkladů. Tento přístup se označuje jako strojové učení.

Následující obrázek ilustruje učení z příkladů na problému automatického třídění odpadků na základě naměřené hmotnosti a tvrdosti materiálu. Programátor nepíše konkrétní pravidla, jak rozpoznat papír od plastu, ale volí obecné schéma řešení problému (tzv. model) – v tomto případě přímku – a učicí algoritmus, který hledá vhodné parametry modelu – umístění přímky, aby co nejlépe oddělovala papíry a plasty. Takto naučenou přímku pak lze použít na nové, neznámé příklady – podle toho, na které straně přímky leží. Např. neznámý odpadek na obrázku bychom klasifikovali jako plast.

V reálných problémech využíváme řádově více trénovacích příkladů a jejich atributů. Kromě přímky (tzv. lineární model) existuje řada jiných přístupů, např. metoda nejbližších sousedů, rozhodovací stromy či neuronové sítě.