A felügyelt tanulás a megerősítéses tanulás szinonímája.

Az aktív megerősítéses tanulásban az ágens stratégiája nem kötött.

Ha adott adatokból (pl. havi híváslista, havi adatforgalom, stb.) meg szeretnénk jósolni, hogy egy telefontársaság ügyfelei közül kik lesznek azok, akik 1 éven belül elhagyják a céget és szolgáltatót váltanak, akkor egy osztályozási feladatot kell megoldanunk.

A Q-tanulás az állapot akció párokra tanulja meg hasznossági értéket.

Az emailek gépi tanuláson alapuló spam szűrése egy csoportosítási feladat.  

A bevásárlókosár analízis egy olyan adatbányászati feladat, ahol asszociációs szabályokat elemzünk.

A nem felügyelt tanulási forma ugyanolyan feladatok megoldására alkalmazható, mint a felügyelt tanulás, a különbség csupán az, hogy egy felügyelő személy ad-e visszajelzést az eredmény helyességére vonatkozóan, vagy sem. 

A megerősítéses tanulásban az ágens célja a jutalom maximalizálása.

A túltanulás jelensége a nem felügyelt tanulás során jelenik meg.

A modus ponens formális levezetési szabály, amellyel új helyes következtetéseket tud a logikai ágens levonni.