在上篇有說到關於學習的方式，這篇接下來就要討論甚麼是「機器學習」。
機器學習，也就像我們人類學習一樣，也是訓練預測來完成的。電腦透過自主學習，去解析數據，在得到使用者的問題時，能夠做出最佳的判斷。然而這個過程是透過不斷優化改進，而非單純讓工程師在電腦中寫進程式。機器學習這四個字含有非常多的學問，例如統計、演算法、機率等。
要讓電腦能擁有良好的預測效果，訓練過程就是不斷的讓模型最佳化去比對資料，但就像父母訓練小孩一樣，也必須透過不斷的糾正才能慢慢的優化，所以當然電腦也是在特徵的擷取上，也仍然需要手動去標記，將特徵轉為編碼或向量，再透過模型去處理，最後得到最佳的預測結果。
在機器學習上，訓練過程包含獲取數據、分析數據、建立模型、預測未來。

獲取數據
學習的第一步就是獲取數據，就像我們剛開始的學習都會有大量的刺激，經由父母的教導才能內化成自己的東西，機器學習也是，透過工程師的導入能獲取大量的資料界下來再進行訓練。

分析數據
這步驟就是如同父母教導一樣，擁有大量刺激的我們，透過父母及其他大人的教導來了解甚麼是對錯，在電腦中，分析數據就是將大量導入的數據來找出可能的規則。

建立模型
模型其實也能換句話說，就是我們所說的經驗，當擁有經驗，下次擁有一樣的情況便能知道會藉下來的情況。

預測未來
當我們透過學習後，遇到狀況也能了解，遇到問題也能做出判斷。機器也是，當訓練完後，藉由電腦中的模型，只要輸入新的數據，也就能得到最好的判斷。

參考文章：https://makerpro.cc/2019/05/introduction-to-ai/
https://technews.tw/2017/10/05/ai-machine-learning-and-deep-learning/