机器学习是人工智能的核心分支，致力于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身的性能。它通过算法解析数据、从中学习，然后对真实世界中的事件做出决策和预测。
用一句话结论加五问结构讲清机器学习的基本概念、监督/无监督/强化三类学习范式的区别与选择依据，并给出可运行的最小示例与常见坑。
本学科暂未整理专题精讲，可从教程文章开始。
本试卷聚焦机器学习的入门基础，围绕机器学习基本概念与学习范式、数据集划分与特征工程、模型评估指标、线性回归与逻辑回归、K-means 聚类五个核心知识点展开，共 5 题，覆盖判断、单选、多选与填空四类题型，满分 50 分。适合刚接触机器学习的开发者做专项巩固，检验是否真正理解"监督与无监督怎么分""为什么必须先切分再预处理""类别不平衡时该看哪个指标"这些基础问题。
机器学习 之外，这些学科也常被一起考察，搭配着刷效率更高。