A mintafelismerés a szabályszerűségek, struktúrák vagy visszatérő jellemzők automatikus azonosítása olyan adatokban, mint a képek, hangok, szövegek vagy mérések. A rendszerek az új megfigyeléseket ismert kategóriákba sorolják, vagy előre megadott címkék nélkül fedeznek fel csoportokat. Alkalmazási területei például az arcfelismerés, a kézírás-felismerés, a gyártás minőségellenőrzése és a szokatlan tranzakciók felderítése. A tudományterület a gépi tanulás fontos alapja.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek mintázatokat vezetnek le az adatokból ahelyett, hogy minden szabályt kifejezetten beprogramoznának. A feladattól függően a modellek címkézett példákból (felügyelt), címkézetlen adatokból (felügyelet nélküli) vagy jutalmakon keresztül (megerősítéses) tanulnak. Az alkalmazások a spamszűrőktől és kereslet-előrejelzésektől a termékajánlásokig terjednek. A minőség nagymértékben függ a tanítóadatok mennyiségétől és minőségétől.
A képfelismerés a számítógépes látás olyan területe, amelyben a szoftver azonosítja, mit ábrázol egy kép – tárgyakat, embereket, szöveget, logókat vagy jeleneteket. Általában nagyszámú címkézett képen tanított neurális hálózatokon alapul. Az alkalmazások a gyártási minőségellenőrzéstől és a termékfotók rendezésétől az orvosi képalkotás támogatásáig terjednek. Embereket ábrázoló képek esetén az adatvédelem és a lehetséges torzítás különös figyelmet igényel.
Az osztályozó olyan modell vagy módszer, amely a bemeneteket több előre meghatározott kategória egyikébe sorolja. A klasszikus változatokat, például a döntési fákat vagy a naiv Bayes-t címkézett példákon tanítják; a nyelvi modellek a kategóriák leírása alapján is képesek szövegeket rendezni. Tipikus felhasználás a spamfelismerés, az ügyfélmegkeresések téma szerinti rendezése és a bizonylatok kategorizálása. A minőséget olyan mérőszámokkal mérik, mint a helyesség, a pontosság és a fedés.
A klaszterezés felügyelet nélküli tanulási módszer, amely előre meghatározott kategóriák nélkül, hasonlóságuk alapján csoportokra osztja az adatpontokat. Olyan mintázatokat tár fel, amelyeket korábban senki sem nevezett meg – például hasonló vásárlási szokású ügyfélszegmenseket. Szövegek esetén a klaszterezés segít több száz ügyfélmegkeresést olyan témák szerint rendezni, mint a szállítás, a számlázás vagy a panaszok, és megmutatja, hol van a hangsúly.
