A félig felügyelt tanulás a felügyelt és felügyelet nélküli tanulás közötti módszer, ahol kevés címkézett és sok címkézetlen adat áll rendelkezésre.
A modell először a kevés címkézett adaton tanul, majd a címkézetlen adatok segítségével finomítja a tudását. Ez költséghatékony megoldás, mert sok esetben nehéz vagy drága minden adatot manuálisan címkézni.
Hasznos olyan helyzetekben, ahol nagy adathalmaz áll rendelkezésre, de kevés a pontosan kategorizált minta.
Orvosi diagnosztikai képek elemzése, ahol kevés képhez van biztos diagnózis.
Az adatok címkézése, hogy a modell tanulni tudjon belőlük.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A few-shot tanulás olyan megközelítés, ahol a modell néhány példából is képes megtanulni egy új feladatot.
Az AI azon területe, ahol a számítógép adatokból tanul anélkül, hogy explicit módon programoznánk minden egyes lépést.
A klaszterezés egy felügyelet nélküli tanulási technika, amely hasonló adatokat csoportokba rendez.
Az osztályozás egy prediktív modellezési módszer, ahol a cél az, hogy az adatok előre definiált kategóriákba kerüljenek.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A validációs készlet olyan adathalmaz, amelyet a modell finomhangolására, az optimális paraméterek kiválasztására használnak.
