Rozpoznávání vzorů je automatické určování pravidelností, struktur nebo opakujících se rysů v datech, jako jsou obrázky, zvuky, texty nebo naměřené hodnoty. Systémy přiřazují nová pozorování ke známým kategoriím nebo objevují skupiny bez předem daných štítků. Mezi využití patří rozpoznávání obličejů, rozpoznávání rukopisu, kontrola kvality ve výrobě a odhalování neobvyklých transakcí. Tento obor je důležitým základem strojového učení.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoStrojové učení je odvětví umělé inteligence, v němž počítače odvozují vzorce z dat, místo aby měly každé pravidlo explicitně naprogramované. Podle úlohy se modely učí z označených příkladů (s učitelem), z neoznačených dat (bez učitele) nebo prostřednictvím odměn (zpětnovazební učení). Aplikace sahají od filtrů spamu a předpovědí poptávky po doporučování produktů. Kvalita výrazně závisí na množství a kvalitě trénovacích dat.
Rozpoznávání obrazu je oblast počítačového vidění, v níž software určuje, co obrázek zobrazuje – objekty, osoby, text, loga nebo scény. Obvykle je založeno na neuronových sítích natrénovaných na velkém množství označených obrázků. Využití sahá od kontroly kvality ve výrobě a třídění produktových fotografií po podporu lékařského zobrazování. U snímků osob vyžaduje zvláštní pozornost ochrana osobních údajů a možné zkreslení.
Klasifikátor je model nebo metoda, která přiřazuje vstupy do jedné z několika předem definovaných kategorií. Klasické varianty, například rozhodovací stromy nebo naivní Bayes, se trénují na označených příkladech; jazykové modely mohou texty třídit také na základě popisu kategorií. Typickým využitím je rozpoznávání spamu, třídění zákaznických dotazů podle témat a kategorizace účtenek. Kvalita se měří metrikami, jako jsou správnost, přesnost a úplnost.
Shlukování (clustering) je metoda učení bez učitele, která rozděluje datové body do skupin podle jejich podobnosti, bez předem daných kategorií. Odhaluje vzorce, které dosud nikdo nepojmenoval – například zákaznické segmenty s podobným nákupním chováním. U textů pomáhá shlukování roztřídit stovky zákaznických dotazů do témat, jako je doručení, fakturace nebo reklamace, a ukazuje, kde leží těžiště.
