Az AI azon területe, ahol a számítógép adatokból tanul anélkül, hogy explicit módon programoznánk minden egyes lépést.
A gépi tanulás algoritmusok használatával képes adatokban lévő mintázatok azonosítására és előrejelzések készítésére. A rendszer "tanul" a példákból, és javítja teljesítményét az idővel.
Lehetővé teszi, hogy a szoftverek alkalmazkodjanak új helyzetekhez, és automatikusan javítsák teljesítményüket.
Spam szűrés e-mailekben, termékajánlások online vásárláskor, képfelismerés.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A gradiens ereszkedés egy optimalizálási módszer, amely lépésenként javítja a modell paramétereit a hibák csökkentése érdekében.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
A mélytanulás a gépi tanulás egyik speciális ága, amely többrétegű neurális hálózatokat használ bonyolult problémák megoldására.
A modell az a matematikai és statisztikai struktúra, amelyet az AI az adatokból tanulás során hoz létre, és amit a döntéshozatalra használ.
Az emberi agy működését utánzó számítási modell, amely rétegekből és neuronokból áll.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A veszteségfüggvény egy matematikai kifejezés, amely megmutatja, mennyire rosszul teljesít a modell az előrejelzés során.
