Sebbene esistono diversi dataset per i linguaggi di programmazione più comuni, ve ne sono molti di meno per altri linguaggi (come COBOL).
Gli algoritmi di machine learning più tradizionali si basano infatti su un processo detto di apprendimento supervisionato (supervised learning), in cui i parametri del modello vengono definiti sulla base di un insieme di addestramento che include, per ogni elemento, sia l’input che l’ouput atteso.