一·數據挖掘
數據挖掘主要是應用於大數據領域，利用機器學習的模型來挖掘數據中的潛在價值。發現數據之間的關系。比如根據房價的變化預測房價，根據天氣信息預測天氣等。會應用經典的回歸類問題。
傳統的監督學習，或者非監督學習，或者與深度學習相結合的方式。
二·計算機視覺
讓機器像人一樣看世界，看到圖像，視頻等媒體。會把圖像進行識別，分類。圖中的是動物，還是人，還是其他的物體。這些案例也會應用到深度學習。
三·自然語言處理
讓機器像人一樣理解語言，理解人寫的文字等的含義。並作出一定的反應。比如，新聞，文章，機器可以識別並為他們分類。或者自動生成文本摘要。
四·機器人決策
讓機器像人一樣擁有決策的能力，比如自動駕駛。機器人的控制等，都可以用到機器學習的算法。
機器學習的根本是要有大量的數據去訓練模型，檢驗模型達到我們所期望的那個標准。輸出的准確率達到我們的要求。那么我們就可以使用這個機器學習的算法模型去完成我們所想要去完成的一些工作。
現在python中有很多機器學習數據處理的模塊，可以很方便的幫我們搭建一個機器學習的模型。但是只是在調節參數來完成一些實驗結果。真正的機器學習模型我們還是要懂背后的算法原理。這樣才能更好的選擇
適合工作的模型和解決方案。