Strojno učenje je veja umetne inteligence, v kateri računalniki iz podatkov izpeljejo vzorce, namesto da bi bilo vsako pravilo izrecno programirano. Glede na nalogo se modeli učijo iz označenih primerov (nadzorovano), iz neoznačenih podatkov (nenadzorovano) ali prek nagrad (spodbujevalno). Aplikacije segajo od filtrov neželene pošte in napovedi povpraševanja do priporočil izdelkov. Kakovost je močno odvisna od količine in kakovosti učnih podatkov.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevGloboko učenje je veja strojnega učenja, ki uporablja umetne nevronske mreže z mnogo sloji. Takšne mreže se iz velikih količin podatkov naučijo, katere značilnosti so pomembne – od robov na slikah do pomenskih povezav v besedilih. Globoko učenje je podlaga današnjih jezikovnih modelov, prepoznavanja slik in govora ter strojnega prevajanja in običajno zahteva veliko računske moči in učnih podatkov.
Pri nadzorovanem učenju se model uči iz primerov, za katere je pravilen odgovor že znan, na primer e-pošte, označene kot „neželena“ ali „ni neželena“. Iz njih izpelje pravila za razvrščanje novih, še nevidenih primerov ali napovedovanje vrednosti. Tipični nalogi sta razvrščanje in regresija; večina truda gre v pripravo čisto označenih podatkov.
Pri nenadzorovanem učenju model prejme podatke brez vnaprej določenih pravilnih odgovorov in sam išče strukture. Tipični metodi sta gručenje, ki združuje podobne zapise, in zmanjševanje dimenzionalnosti, ki številne značilnice strne v nekaj bistvenih. Organizacije ga uporabljajo za odkrivanje segmentov strank ali opažanje nenavadnih transakcij; najdene skupine morajo nato razložiti strokovnjaki s področja.
Spodbujevalno učenje je veja strojnega učenja, pri kateri se agent uči s poskusi in napakami. Deluje v okolju, za dobre izide prejema nagrade, za slabe pa kazni, in tako razvije strategijo, ki največ poveča njegovo skupno nagrado. Znani primeri so programi, ki obvladajo družabne igre, kot je go, vodenje robotov in natančno uravnavanje jezikovnih modelov na podlagi človeških ocen.
