機器學習 (ML)：機器學習算法根據代表性數據構建模型，使設備能夠在無需人工干預的情況下自動識別模式。ML供應商提供算法、API 和工具以構建訓練模型，然后將模型植入到嵌入式系統中。輸入新的數據后，這些嵌入式系統就可以利用預先訓練的模型進行推理或預測，這類應用示例包括傳感器融合、關鍵字識別、預測性維護和分類等。

深度學習（DL）：深度學習是機器學習的一種，它使用多層神經網絡從復雜的輸入數據中逐步提取更高級別的特征和模式，從而訓練系統。深度學習可以適應非常龐大、多樣化和復雜的輸入數據，并讓系統不斷迭代學習，逐步改善輸出結果。其應用示例包括圖像處理、客服機器人和人臉識別等。

自然語言處理 (NLP)：NLP是人工智能的一個分支，可以實現系統與人類之間用自然語言進行交互。NLP幫助系統理解和解釋人類語言（文本或語音），并基于此做出決策。其應用示例包括語音識別系統、機器翻譯和預測性打字等。

計算機視覺：機器/計算機視覺是人工智能的一個領域，它訓練機器收集、解釋并理解圖像數據，并根據這些數據采取行動。機器通過攝像頭收集數字圖像/視頻，使用深度學習模型和圖像分析工具準確識別和分類對象，并根據它們所“看到”的采取相應的行動。其應用示例包括制造裝配線上的故障檢測、醫療診斷、零售店的人臉識別和無人駕駛汽車測試等。