Głównym celem Machine Learningu jest tworzenie inteligentnych systemów, które za pomocą danych wejściowych mogą doskonalić się i zdobywać nową wiedzę. W praktyce przekłada się to na wykorzystaniu jednego z setek różnych dostępnych algorytmów. Na podstawie kliku przykładów chcę przedstawić różne klasy problemów i sposobów ich wykorzystania. Przedstawię również technikę budowania całego pipeline’u, za pomocą którego przejdziemy przez wszystkie etapy ML: przetwarzania danych (preprocessing), wyboru algorytmu oraz oceny jego skuteczności.