Prepoznavanje vzorcev je samodejno odkrivanje pravilnosti, struktur ali ponavljajočih se značilnosti v podatkih, kot so slike, zvoki, besedila ali meritve. Sistemi nova opažanja razvrstijo v znane kategorije ali odkrijejo skupine brez vnaprej določenih oznak. Uporablja se pri prepoznavanju obrazov, prepoznavanju rokopisa, kontroli kakovosti v proizvodnji in odkrivanju nenavadnih transakcij. Področje je pomemben temelj strojnega učenja.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevStrojno 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.
Prepoznavanje slik je področje računalniškega vida, v katerem programska oprema prepozna, kaj prikazuje slika – predmete, osebe, besedilo, logotipe ali prizore. Običajno temelji na nevronskih mrežah, naučenih na velikem številu označenih slik. Uporabe segajo od nadzora kakovosti v proizvodnji in razvrščanja fotografij izdelkov do podpore medicinskemu slikanju. Pri slikah oseb je treba posebno pozornost nameniti varstvu podatkov in morebitni pristranskosti.
Klasifikator je model ali metoda, ki vnose uvrsti v eno od več vnaprej določenih kategorij. Klasične različice, kot so odločitvena drevesa ali naivni Bayes, se učijo na označenih primerih; jezikovni modeli lahko besedila razvrščajo tudi na podlagi opisa kategorij. Tipična uporaba so prepoznavanje neželene pošte, razvrščanje povpraševanj strank po temah in razvrščanje računov. Kakovost se meri z merili, kot so točnost, natančnost in priklic.
Gručenje (clustering) je metoda nenadzorovanega učenja, ki podatkovne točke na podlagi podobnosti razdeli v skupine brez vnaprej določenih kategorij. Razkrije vzorce, ki jih še nihče ni poimenoval – na primer segmente strank s podobnim nakupnim vedenjem. Pri besedilih gručenje pomaga razvrstiti na stotine povpraševanj strank v teme, kot so dostava, obračun ali pritožbe, in pokaže, kje je težišče.
