Rozpoznávanie vzorov je automatická identifikácia pravidelností, štruktúr alebo opakujúcich sa znakov v dátach, ako sú obrázky, zvuky, texty alebo namerané hodnoty. Systémy priraďujú nové pozorovania k známym kategóriám alebo objavujú skupiny bez vopred daných označení. Medzi použitia patrí rozpoznávanie tvárí, rozpoznávanie rukopisu, kontrola kvality vo výrobe a odhaľovanie nezvyčajných transakcií. Disciplína je dôležitým základom strojového učenia.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoStrojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.
Rozpoznávanie obrazu je oblasť počítačového videnia, v ktorej softvér identifikuje, čo obrázok zobrazuje – objekty, osoby, text, logá alebo scény. Zvyčajne je založené na neurónových sieťach natrénovaných na veľkom množstve označených obrázkov. Uplatnenie siaha od kontroly kvality vo výrobe a triedenia produktových fotografií až po podporu medicínskeho zobrazovania. Pri obrázkoch osôb si osobitnú pozornosť vyžaduje ochrana údajov a možné skreslenie.
Klasifikátor je model alebo metóda, ktorá priraďuje vstupy do jednej z viacerých vopred určených kategórií. Klasické varianty, ako sú rozhodovacie stromy alebo naivný Bayes, sa trénujú na označených príkladoch; jazykové modely dokážu texty triediť aj na základe opisu kategórií. Typické použitie zahŕňa detekciu spamu, triedenie dopytov zákazníkov podľa tém a kategorizáciu dokladov. Kvalita sa meria metrikami, ako sú správnosť, presnosť a úplnosť.
Zhlukovanie (clustering) je metóda učenia bez učiteľa, ktorá rozdeľuje dátové body do skupín podľa ich podobnosti, bez vopred definovaných kategórií. Odhaľuje vzory, ktoré predtým nikto nepomenoval – napríklad segmenty zákazníkov s podobným nákupným správaním. Pri textoch pomáha zhlukovanie roztriediť stovky dopytov zákazníkov do tém, ako je doručenie, fakturácia alebo reklamácie, a ukazuje, kde je ťažisko.
