Unsupervised Learning: আনসুপারভাইসড লার্নিং এ প্রোগ্রামকে কিছু ডেটা দেওয়া হয়। প্রোগ্রাম ঐ ডেটার উপর নির্ভর করে ডিসিশন দেয়। যেমন এক ঝুড়ি ফল রয়েছে। প্রোগ্রাম ভিন্ন ভিন্ন ফল কে ভিন্ন ভিন্ন ক্যাটেগরিতে ভাগ করবে, এটা হচ্ছে আনসুপারভাইসড লার্নিং এর উদাহরণ।

Classification: সুপারভাইসড লার্নিং এর একটি শাখা হচ্ছে হচ্ছে ক্লাসিফিকেশন। নাম থেকেই বুঝা যায় এর কাজ কি। এর কাজ হচ্ছে ইনপুট ডেটাকে বিভিন্ন ক্লাসে ভাগ করা। সাধারণত Yes or No এর ভিত্তিতে ডেটাকে ক্লাসিফিকেশন করা হয়। যেমন আপনার কাছে একটা ছবি আছে। ঐ ছবিটা ছেলের ছবি নাকি মেয়ের ছবি, এটার ম্যাপিং হচ্ছে ক্লাসিফিকেশন। বিচ্ছিন্ন ডেটার জন্য ক্লসিফিকেশন ব্যবহার করা হয়।

Regression: সুপারভাইসড লার্নিং এর আরেকটি শাখা হচ্ছে রিগ্রেশন। যেখানে Yes or No দিয়ে ডেটা প্রিডিকশন করা যায় না, সেখানে রিগ্রেশন ব্যবহার করা হয়। How much?, How many? টাইপ প্রশ্ন গুলোর উত্তর রিগ্রেশন দিয়ে বের করা হয়। কন্টিনিউয়াস ডেটার জন্য রিগ্রেশন ব্যবহার করা হয়।

Decision Tree: Tree এর মত গ্রাফ মডেল দিয়ে ডিসিশন নেওয়ার জন্য Decision Tree ব্যবহৃত হয়। অনেকটা ফ্লো চার্ট এর মত।

Deep Learning: মেশিন লার্নিং ইমপ্লিমেন্টেশনের একটা টেকনিক হচ্ছে ডীপ লার্নিং। যেখানে আর্টিফিশিয়াল নিউরাল নেটোওয়ার্ক ব্যবহার করে ডেটার উপর ডিসিশন নেওয়া হয়। আমরা অনেকেই প্রিজসমা অ্যাপটি ব্যবহার করেছি। এটি অনেক সুন্দর ভাবে ছবিকে আর্টে পরিণত করে দেয়। ঐ ছবিকে আর্টে পরিণত করার জন্য ডীপ লার্নিং ব্যবহার করা হচ্ছে। ডীপ লার্নিং মেশিন লার্নিং এর খুবই জনপ্রিয় ক্যাটেগরি।

মেশিন লার্নিং, ডেটা এনালাইসিস, আর্টিফিশিয়াল ইন্টেলিজেন্স এগুলো শেখার জন্য খুবি জনপ্রিয় বিষয়। এখন শেখা শুরু করলে ভবিষ্যৎ এ অনেক ভালো করার সুযোগ রয়েছে। শেখার জন্য অনলাইনে বিভিন্ন ইউনিভার্সিটির অনেক গুলো ফ্রি কোর্স রয়েছে। গুগলে একটু খুঁজলেই পাওয়া যাবে।