Η Μηχανική Μάθηση (Machine Learning – ML) και η Τεχνητή Νοημοσύνη – ΤΝ (Artificial Intelligence – AI) αναδύονται δυναμικά ως εργαλεία-κλειδιά στην επιστήμη του Μηχανικού, μετασχηματίζοντας τόσο την έρευνα όσο και την καθημερινή πράξη. Στην εργασία αυτή παρουσιάζεται μια ιστορική αναδρομή των τεχνολογιών αυτών, αναδεικνύοντας πώς αυτές έχουν ενσωματωθεί και προσαρμοστεί για να καλύψουν τις ανάγκες του Μηχανικού. Η ιστορική αναδρομή ξεκινά από τα πρώιμα rule-based expert systems και την αλγοριθμική εποχή, φτάνοντας στη ριζική τομή που επέφερε η εκπαίδευση βαθιών Τεχνητών Νευρωνικών Δικτύων – ΤΝΔ (deep learning of Artificial Neural Networks – ANNs), με χρήση τεράστιων ποσοτήτων δεδομένων και αυξημένων υπολογιστικών πόρων. Στο δεύτερο μέρος της εργασίας γίνεται μια εφαρμογή μεθόδων Μηχανικής Μάθησης σε ένα απλό πρόβλημα εκτίμησης της θεμελιώδους ιδιοπεριόδου μιας κατασκευής. Παρουσιάζεται ένα νέο ΤΝΔ το οποίο συνδυάζει εξαιρετική απόδοση και μικρό μέγεθος. Σημαντικό πλεονέκτημα του είναι και η απλότητα χρήσης του, αφού έχει μετατραπεί αλγοριθμικά σε συνάρτηση και έχει ενσωματωθεί σε φύλλο εργασίας. Η εργασία ολοκληρώνεται με επισημάνσεις γύρω από τις μεθοδολογικές παγίδες και τους περιορισμούς που πρέπει να λαμβάνονται υπόψη σε εφαρμογές Μηχανικής Μάθησης.