人工智慧(Artificial Intelligence 簡稱AI)
由人製造出模仿人類思考進而模擬人類的能力和行為的程式。
機器學習(Machine Learning 簡稱ML)
透過過往的資料和經驗中學習，一種實現人工智慧的方法。機器學習大致上可以分為四類：
1. 監督式學習(Supervised)
假設要辨識0到9的數字，提供多張不同字型的0到9圖片，在人工標註(Label)這些圖片的數字，機器依照這些已標註的圖片去找尋特徵，依照特徵就能辨識出是哪一個數字。也就是說人工分類出每個資料對應的答案，機器就可以找到一樣答案但不同資料的共同特徵，藉由特徵去推測答案。
2. 非監督式學習(Un-supervised)
所有的資料都沒有標註答案，機器透過尋找資料的特徵，自行分類，相對監督式學習，通常對人比較輕鬆，但是誤差也比較大。
3. 半監督式學習(Semi-supervised)
部分資料由人工標註答案，機器透過有標註的資料找尋特徵並對其他未標注的資料進行分類，藉由一些依據去推測其他資料的答案。
4. 強化式學習(Reinforcement)
所有的資料都沒有標註答案，機器自行尋找特徵，當機器推測出答案時，人工告訴機器是正確還是錯誤，透過每次正確與錯誤去改進，預測就會越來越精準。
深度學習(Deep Learning 簡稱DL)
一種實現機器學習的技術。深度學習是指具有層次性的機器學習法，第一層是輸入層(Input Layer)，以數字辨識來舉例，輸入層就是要輸入數字圖片，第二層則是隱藏層(Hidden Layer)，負責處理資料，隱藏層可以有無限多個，取決於要處理的資料複雜度而定，最後一層是輸出層(Output Layer)，辨識0-9的數字，那輸出層就會有9個神經元(Neuron)，一個神經元可以理解成一個答案，也就是說深度學習是模仿人腦思考的結構，而這種結構稱為神經網路(Neural Network)，接下來的人工智慧程式開發教學文章，都會跟神經網路息息相關。
資料來源：https://www.tibco.com