Adaptiivne õpe tähistab õppeprogramme, mis kohanduvad pidevalt õppija teadmiste, tempo ja vigadega. Tarkvara analüüsib vastuseid ja valib seejärel sobivad harjutused, selgitused või kordamise. Seda kasutatakse koolides, ülikoolides ja ettevõtete koolitustes – näiteks kui platvorm pakub pärast valesti vastatud ülesannet automaatselt lihtsama vahesammu. Masinõppes kirjeldab see mõiste ka mudeleid, mis kohanduvad pidevalt uute andmetega.
TI-põhine tagasiside õpilastele tähendab TI-süsteemi genereeritud kommentaare esseedele, ülesannetele või projektidele kindlaksmääratud kriteeriumide alusel. Õppijad saavad kiiremini viiteid tugevuste, ülesehituse, argumentatsiooni või keele kohta ning õpetajad vabanevad korduvast hindamisest. Hindamine peaks olema läbipaistev ja kriteeriumipõhine; hinded ja otsused sooritusvõime kohta jäävad õpetajate vastutusele. Näide: essee mustand saab enne esitamist parendusettepanekud.
Masinõppes on õppimiskõver diagramm, mis näitab mudeli jõudlust või viga treeningaja või treeningandmete hulga suhtes, tavaliselt eraldi treening- ja valideerimisandmetel. Selle kuju näitab, kas mudel on alasobitatud või ülesobitatud ning kas rohkem andmeid tõenäoliselt aitaks. Kui valideerimisviga jääb näiteks treeningveast selgelt kõrgemaks, viitab see ülesobitamisele. Igapäevakeeles kirjeldab termin ka seda, kui kiiresti inimesed uue tehnoloogia omandavad.
Masinõpe on tehisintellekti haru, kus arvutid tuletavad andmetest mustreid, selle asemel et iga reegel oleks selgesõnaliselt programmeeritud. Olenevalt ülesandest õpivad mudelid märgendatud näidetest (juhendatud), märgendamata andmetest (juhendamata) või preemiate kaudu (tugevdusõpe). Rakendused ulatuvad rämpsposti filtritest ja nõudluse prognoosidest tootesoovitusteni. Kvaliteet sõltub suuresti treeningandmete hulgast ja kvaliteedist.
