فرایادگیری را می‌توان بخشی از فرآیند یادگیری ماشین دانست که در آن الگوریتم‌های یادگیری با توجه به تجربیات بدست آمده در مراحل قبلی جهت بکار گرفته شدن انتخاب می‌شوند. این اصطلاح تفسیر استانداری ندارد اما به طور کلی هدف از آن استفاده از تجربیات قبلی در قالب فراداده است بدین منظور که به کمک آنها فرآیند یادگیری به صورت منعطف‌تری انجام گیرد. بدین صورت می‌توان بازدهی الگوریتم‌های یادگیری موجود را بهبود داد و یا خود فرآیند یادگیری را یاد گرفت. بدین جهت اصطلاح فرایادگیری به معنی یادگیری فرآین‌د یادگیری نیز شناخته می‌شود. در این حوزه انعطاف‌پذیری عامل بسیار مهمی است زیرا هر الگوریتم یادگیری مبنتی بر مجموعه‌ای از فرضیات در مورد داده‌ها یعنی بایاس استقرایی آنها است بدین معنی که اگر بایاس با مسأله مورد نظر مطابقت داشته باشد فرآیند یادگیری به خوبی پیش خواهد رفت. بنابراین یک الگوریتم یادگیری ممکن است در یک دامنه عملکرد بسیار خوب و در دامنه دیگر عملکرد ضعیفی داشته باشد. این امر محدودیت‌های شدیدی در روش‌های یادگیری ماشین و داده‌کاوی ایجاد می‌کند زیرا رابطه بین مسأله یادگیری و اثربخشی الگوریتم‌های مختلف یادگیری ماشین هنوز درک نشده است. با استفاده از انواع مختلف ابرداده‌ها مانند ویژگی‌های مسأله یادگیری، خصوصیات الگوریتم یا الگوهایی که قبلاً از داده‌ها یاد گرفته شده است می‌توان یادگیری، انتخاب، تغییر یا ترکیب الگوریتم‌های مختلف یادگیری را برای حل مؤثر یک مسأله یادگیری جدید فراهم کرد. در این تحقیق سعی خواهد شد مروری کلی بر روش‌هایی که بدین منظور ابداع شده داشته باشیم. این الگوریتم‌ها به شکل‌های مختلف سعی می‌کنند نحوه انجام فرآیند یادگیری را یاد بگیرند. تکنیک‌های مختلفی که بدین منظور ارائه شده است نظیر روش‌های مدل مبنا و مقیاس مبنا و نیز روش‌های بر مبنای بهینه‌سازی بررسی می‌شوند. کاربردهای این شاخه از هوش مصنوعی نیز بسیار زیاد است. از آنجا که امروزه یادگیری ماشین را می‌توان کاربردی‌ترین شاخه علوم کامپیوتر دانست، لذا فرایادگیری می‌تواند کاربردهای بسیار زیادی در تمامی زمینه‌های علوم داشته باشد زیرا آنچه باید انجام شود فرآیند یادگیری است و یادگیریِ فرآیند یادگیری قطعاً کمک فوق‌العاده‌ای برای محققین خواهد بود. تقریباً در تمام زمینه‌هایی که به دنبال استفاده از یادگیری ماشین هستیم نظیر اقتصاد دیجیتال، بیوانفورماتیک، شبکه‌های کامپیوتری، بینایی کامپیوتری، ترجمه کامپیوتری، پردازش زبان طبیعی و صدها زمینه دیگر فرایادگیری می‌تواند نقش بسزایی ایفاء کند زیرا در تمام این زمینه‌ها مسأله انتخاب الگوریتم یادگیری یک چالش اساسی است و فرایادگیری پاسخی به این چالش است. هدف از این تحقیق ایجاد یک نقطه آغازین برای شروع به کار محققینی است که می‌خواهند تحقیقات خود را در این حوزه از علم هوش مصنوعی انجام دهند.