我們的生活充滿各種推薦系統的應用，不管是在Youtube看影片、亞馬遜購買書本會看到「Customer Who Bought This Item Also Bought」，到處都是推薦系統的應用。
廣泛應用於各行各業，包含：電影、音樂、新聞、書籍、學術論文、搜索查詢、分眾分類…等。也有一些推薦系統專門為尋找專家、合作者、餐廳美食、金融服務、生命保險、網路交友、頁面設計…。
推薦系統主要是用來預測使用者偏好的系統，預測他們的「評分」或是「偏好」，期望透過推薦系統增加營收或是其他效益。
聊天機器人（ChatBot）：是經由對話或文字進行交談的電腦程式。能夠模擬人類對話。聊天機器人可用於實用的目的，如客戶服務或資訊獲取。
有些聊天機器人會搭載自然語言處理系統，但大多簡單的系統只會擷取輸入的關鍵字，再從語料庫中找尋最合適的應答句。
語音辨識（speech recognition）技術，也被稱為自動語音辨識、電腦語音識別或是語音轉文字識別。
目標是以電腦自動將人類的語音內容轉換為相應的文字。與說話人辨識及說話人確認不同，後者嘗試辨識或確認發出語音或說話的人而非其中所包含的詞彙內容。
文字探勘（Text mining）大概相當於「文字分析」，指文字處理過程中產生高品質的資訊。
而高品質的資訊通常透過「分類」、「預測」來產生，文字探勘一般會涉及輸入文字的處理過程，產生結構化資料，最後得出評價、解釋輸出。
人臉識別的目標是確定一張人臉圖像的身份，就是「這個人是誰」，這是機器學習和模式識別中的分類問題。它主要應用在身份識別和身份驗證中。
人臉識別演算法，主要包含三個模組，人臉檢測、人臉對齊、人臉特徵表徵。
人臉辨識又稱臉部辨識（Face Recognition）， 特指利用分析比較臉部視覺特徵資訊進行身分鑑別的電腦技術。 是以圖像採集以及擷取人臉影像進行分析比對，以作為身份認證的運算技術，相較於指紋、虹膜等生物辨識方式，不需要近距離接觸，也能準確進行辨識，還能同時辨識多人，增加人員管理的效率。
廣義的臉部辨識，實際包括構建臉部辨識系統的一系列相關技術，包括：臉部圖像採集、臉部定位、臉部辨識預處理、身分確認以及身分尋找等；而狹義的臉部辨識特指通過臉部進行身分確認或者身分尋找的技術或系統。
物體檢測的任務是找出影象或影片中的感興趣物體，同時檢測出它們的位置和大小，是機器視覺領域的核心問題之一。
物體檢測過程中有很多不確定因素，如：影像中物體數量不確定，物體會有不同的外觀、形狀、姿態，加上物體成像時會有光照、遮擋等因素的干擾，導致檢測演算法有一定的難度。
影像辨識，「將影像輸入至分析的儀器中來進行影像分析，廣泛應用在影像監控系統。」而透過影像分析設定，可以針對入侵者、移動物體、火焰、煙霧…等進行特殊事件觸發設定，具有提早預警的效果。
我們的終極目標就是教導機器能夠像人⼀樣理解所見之物，像是：識別物品、辨認人臉、推論物體的幾何形態，從中理解其中的關聯、情緒、動作及意圖。 那電腦要達成這個目標的第一步，就是教它如何辨別物品。