Prižiūrimo mokymosi metu modelis mokosi iš pavyzdžių, kurių teisingas atsakymas jau žinomas, pavyzdžiui, el. laiškų, pažymėtų „šlamštas“ arba „ne šlamštas“. Iš jų jis išveda taisykles, kaip klasifikuoti naujus, nematytus atvejus arba prognozuoti reikšmes. Tipinės užduotys – klasifikavimas ir regresija; didžioji dalis pastangų skiriama švariai pažymėtiems duomenims sukurti.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąNeprižiūrimo mokymosi metu modelis gauna duomenis be iš anksto nustatytų teisingų atsakymų ir pats ieško struktūrų. Tipiniai metodai: klasterizavimas, grupuojantis panašius įrašus, ir dimensijų mažinimas, sutraukiantis daug požymių į kelis svarbiausius. Organizacijos jį naudoja klientų segmentams atrasti ar neįprastiems sandoriams pastebėti; rastas grupes paskui turi interpretuoti srities ekspertai.
Pusiau prižiūrimas mokymasis sujungia nedidelį kiekį pažymėtų duomenų su dideliu kiekiu nepažymėtų. Modelis pirmiausia mokosi iš nedaugelio pavyzdžių su žinomais atsakymais, o paskui naudoja likusių duomenų dėsningumus, kad pagerėtų – pavyzdžiui, priimdamas patikimas prognozes kaip papildomus mokymo pavyzdžius. Tai atsiperka, kai žymėjimas brangus, pavyzdžiui, su medicininiais vaizdais ar tūkstančiais pagalbos užklausų.
Klasifikatorius – tai modelis ar metodas, priskiriantis įvestį vienai iš kelių iš anksto apibrėžtų kategorijų. Klasikiniai variantai, tokie kaip sprendimų medžiai ar naivusis Bajeso klasifikatorius, mokomi su pažymėtais pavyzdžiais; kalbos modeliai taip pat gali rūšiuoti tekstus pagal kategorijų aprašymą. Tipiniai taikymai: šlamšto aptikimas, klientų užklausų rūšiavimas pagal temą ir kvitų kategorizavimas. Kokybė matuojama rodikliais, tokiais kaip tikslumas (accuracy), tikslumas (precision) ir pilnumas (recall).
Mokymo duomenys – pavyzdžiai, iš kurių DI modelis mokosi dėsningumų: dideli tekstų rinkiniai kalbos modeliams, pažymėti vaizdai vaizdų modeliams. Jų kokybė, įvairovė ir naujumas daugiausia lemia, kaip patikimas ir teisingas bus modelis ir kokios šviežios bus jo žinios. Organizacijoms taip pat svarbu, ar tiekėjas jų įvestus klientų duomenis naudoja tolesniam mokymui.
