Existem diferentes tipos de aprendizado de máquina. Um deles, denominado Aprendizado Não Supervisionado, é um tipo de abordagem de Aprendizado de Máquina em que um determinado algoritmo é treinado para encontrar padrões e estruturas em um conjunto de dados, sem a necessidade de rótulos ou categorias pré-definidas, ou seja, sem utilizar um conjunto de dados formado por pares de entrada-saída para treinamento do modelo. Nesse tipo de aprendizado, o objetivo principal é descobrir a estrutura inerente aos dados, com alguns propósitos específicos. São eles: Reconhecimento de voz e Encontrar padrões para análise posterior e Resumo automático. Agrupamento/clustering, Reconhecimento de voz e Encontrar padrões para análise posterior. Geração de texto, Resumo automático e Tradução automática. Agrupamento/clustering, Análise de componentes principais/PCA e Geração de texto. Agrupamento/clustering, Análise de componentes principais/PCA e Encontrar padrões para análise posterior.