多媒體、圖形學、網絡通信等計算機應用技術領域，尤其是計算機視覺、自然語言處理。
交叉學科的技術支撐，例如生物信息學，它的研究涉及從“生命現象”到“規律發現”的整個過程，包括數據處理整個流程，其中“數據分析”就是機器學習的舞台。
數據科學的核心即通過分析數據獲取價值。機器學習是大數據時代必不可少的核心技術，因為收集存儲管理大數據的目的，就是利用大數據，沒有機器學習分析數據，利用則無從談起。
數據挖掘與機器學習：數據挖掘是從海量數據中發掘知識的技術，在20世紀90年代形成，數據庫、機器學習、統計學對其影響最大；數據庫技術提供數據管理技術，機器學習和統計學習則為數據挖掘提供數據分析技術，統計學界成果通常要經由機器學習研究形成有效的學習算法，然而用於數據挖掘，因此，統計學主要通過機器學習對數據挖掘發揮影響，機器學習和數據庫技術則是數據挖掘的兩大支撐。
天氣預報、能源勘探、環境監測領域，通過機器學習相關數據，提高預報和檢測准確性；商業，分析銷售、客戶數據，優化庫存、降低成本、推薦系統等。
信息搜索領域，如百度、谷歌，用戶查詢是輸入，搜索結果是輸出，機器學習則在輸入、輸出間建立聯系。
自動駕駛
機器學習已成為智能數據分析技術的創新源泉，另外，促進理解“人類如何學習”這個人類自我的本識認知。即機器學習不僅在信息科學占有重要地位，還具有一定的自然科學探索色彩。