Развитие и успехи методов машинного обучения в широком круге задач оказали существенное влияние на постановку и проведение научных исследований в солнечной физике. Большие массивы данных стали самостоятельной ценностью, в которую вложены усилия экспертов и значительные технологические ресурсы. Сами исследования приобрели междисциплинарый характер и концентрируются вокруг передовых вычислительных центров. Появилась возможность ставить масштабные задачи там, где ещё вчера отсутствовала чёткая математическая постановка. В обзоре представлены основные идеи, на которых основаны современные модели машинного обучения, базы данных, подготовленные для задач машинного обучения, и инструменты работы с данными. Основная часть обзора посвящена обсуждению моделей, предложенных в контексте конкретных задач физики Солнца, и их обобщений на другие приложения.