  Model diberi data yang sudah dilabelkan, memungkinkannya untuk membuat prediksi atau keputusan. Contohnya termasuk klasifikasi dan regresi.
2. Unsupervised Learning:
  Model menganalisis data yang tidak dilabelkan untuk menemukan pola atau struktur yang mungkin tidak terlihat oleh manusia. Clustering dan asosiasi adalah contohnya.
3. Reinforcement Learning:
  Sistem belajar melalui tindakan dan konsekuensinya. Ini mirip dengan cara manusia belajar dari pengalaman.
 Penerapan Machine Learning:
1. Pengenalan Wajah dan Suara:
  ML digunakan dalam pengenalan wajah dan suara, membawa keamanan dan pengalaman pengguna yang lebih baik.
2. Pengolahan Bahasa Alami:
  Model ML dapat memahami dan memproses bahasa manusia, mengarah pada pengembangan asisten virtual dan terjemahan otomatis.
3. Pemrosesan Gambar dan Video:
