El Aprendizaje Automático es una rama de la Inteligencia Artificial que abarca diferentes técnicas, las cuales permiten dotar a los computadores de la capacidad de "aprender" modelos tales que, de forma automática, pueden ser usados, por un lado, para resolver problemas nuevos o, por otro lado, para mejorar el rendimiento en problemas ya vistos. El objetivo principal de esta asignatura es dar una visión introductoria de las técnicas y algoritmos de aprendizaje más importantes existentes en la actualidad.

Existen distintas formas de clasificar las diferentes técnicas pertenecientes al ámbito del aprendizaje automático. Así, atendiendo a su naturaleza inferencial, se puede hablar de técnicas de aprendizaje inductivas, deductivas, abductivas y por analogía. Atendiendo al tipo de modelo aprendido, se habla de técnicas simbólicas (modelos que manejan sólo conocimiento expresado en forma simbólica), conexionistas (si el conocimiento es sólo de tipo numérico) y mixtas (modelos que participan de los dos tipos de conocimiento anteriores). Finalmente, dependiendo de si en el conjunto de datos de entrenamiento existe o no información de la clase o concepto al que pertenece cada ejemplo, se habla, respectivamente, de técnicas de aprendizaje supervisado o no-supervisado. En esta asignatura se ha optado por presentar dichas técnicas desde el punto de vista de los dos grandes paradigmas de aprendizaje mencionados anteriormente: supervisado y no-supervisado.

Esta asignatura, junto con las asignaturas Introducción a la Inteligencia Artificial (2º curso) y Ampliación de Sistemas Inteligentes (4º Curso), pertenece a la materia denominada Sistemas Inteligentes. En particular, se trata de una asignatura cuatrimestral (6 créditos), de carácter obligatorio que se imparte en el primer cuatrimestre de 4º Curso del Grado en Ingeniería Informática.