參考：
深度學習四大類網絡模型
干貨|機器學習超全綜述！
機器學習ML、卷積神經網絡CNN、循環神經網絡RNN、馬爾可夫蒙特卡羅MCMC、生成對抗網絡GAN、圖神經網絡GNN——人工智能經典算法

• MLP（Multi Layer Perseption）用在神經網絡中
  
• CNN(Convolutional Neural Networks):卷積神經網絡
  主要用于CV
  
• U-Net
  用于語義分割

• RNN(Recurrent Neural Network):循環神經網絡（或者說遞歸神經網絡）
  

• DNN(Deep Neural Networks):深度神經網絡

• GNN(Graph Neural Networks):圖神經網絡
  

• BRNN(Recurrent Neural Network):雙向長短時記憶循環神經網絡

• GAN(Generative Adversarial Networks):生成式對抗網絡

• SORT（Simple Online and Realtime Tracking）：簡單的在線和實時跟蹤

• NLP(Natural Language Processing):自然語言處理

• MTL(Multi-Task-Learning):多任務學習

• LSTM(Long Short-Term Memory):長短期記憶網絡
  

• CV(Computer Vision):計算機視覺

• Transformer
  主要用在NLP中，現在在CV領域，也在快速發展，目前最火的肯定是GPT，主要用來做內容生成。
  

• GPT
  GPT：Generative Pre-trained Transformer：生成式預訓練Transformer。主要用在文本生成，圖像生成，機器聊天，機器問答等領域。
  

機器學習ML主要體現在幾個部分：
數據挖掘：來發現數據之間的關系
CV：這個很火
NLP：自然語言處理，這個和大語言模型差不多
語音識別：讓機器聽懂機器
決策：讓機器做決定。（無人駕駛中的汽車控制決策）
我很喜歡這個圖來表示機器學習：

模型建立是屬于比較有趣的部分，根據目標變量（通常稱為Y變量）的數據類型（定性或定量），建立一個分類（如果Y是定性的）或回歸（如果Y是定量的）模型。
機器學習算法可以大致分為以下三種類型之一：
監督學習：是一種機器學習任務，建立輸入X和輸出Y變量之間的數學（映射）關系。這樣的X、Y對構成了用于建立模型的標簽數據，以便學習如何從輸入中預測輸出。
無監督學習：是一種只利用輸入X變量的機器學習任務。這種 X 變量是未標記的數據，學習算法在建模時使用的是數據的固有結構。
強化學習：是一種決定下一步行動方案的機器學習任務，它通過試錯學習來實現這一目標，努力使回報最大化。