機械学習（ML）とは、過去のデータからパターンや規則性を学び、未知のデータに対して予測や分類を行う技術です。人が細かなルールをすべて書くのではなく、データにもとづいてモデルが判断基準を作ります。学習済みモデルを使って新しいデータを判定する工程は推論と呼ばれます。
機械学習は、売上予測や需要予測、解約予兆の検知、レコメンド、異常検知などで活用されることが多いです。ルールベースの仕組みは意図を説明しやすい一方、条件が増えるほど保守が難しくなりがちでしょう。機械学習は変化に追随しやすい反面、データの質と運用設計が成果を大きく左右します。
代表的な学習の種類は、教師あり学習・教師なし学習・強化学習の3つです。教師あり学習は正解ラベル付きデータから学び、購入するかどうかの予測や画像分類に使われます。教師なし学習は正解がないデータを構造化し、クラスタリングによる顧客セグメント作成などに向きます。
実務で機械学習を使う際は、学習データの定義、特徴量設計、評価指標、検証方法を先に揃えることが重要です。データ漏えい（リーケージ）や偏り、学習後のデータ分布変化（ドリフト）があると、精度が急に落ちる場合があります。監視と再学習、説明可能性、権限管理や個人情報保護まで含めて運用設計できると、機械学習が「作って終わり」になりにくいです。
