試験では、機械学習の分類（教師あり、教師なし、強化学習）とその具体的なユースケースを正しく結びつける問題がよく出題されます。また、「分類」と「回帰」の定義の違いや、それぞれのタスクで用いられるアルゴリズムの名称（決定木やSVMが教師あり学習に属することなど）を整理しておく必要があります。さらに、学習用データに適合しすぎて未知のデータに対応できなくなる「過学習（オーバーフィッティング）」や、その対策としての「交差検証（クロスバリデーション）」といった用語も頻出するため、データ分析プロセスの全体像と合わせて理解を深めておきましょう。

教師あり学習に関連する用語としては、正解データを与えずにデータのグループ分けや特徴抽出を行う「教師なし学習」や、エージェントが試行錯誤を通じて最適な行動を学ぶ「強化学習」があります。また、学習用データを作成するためにデータに正解の付箋を貼る「アノテーション」や、モデルの評価指標である「混同行列（適合率・再現率など）」も、実務と試験の両方で必須となる関連概念です。