Machine learning

În traducere din engleză ar fi "învățare automată". Este o ramură a inteligenței artificiale care, în loc să urmeze instrucțiuni strict definite, ca în programarea tradițională, le permite sistemelor să identifice modele și să facă predicții pe baza datelor disponibile. 

Elementele Machine Learning:

1. Date de intrare și ieșire: În ML, algoritmii sunt antrenați pe baza unui set de date de intrare, care conține exemple sau caracteristici relevante, și a unui set de date de ieșire asociat, care conține etichete sau rezultate dorite. Scopul este de a învăța o relație între datele de intrare și ieșire, astfel încât algoritmul să poată face predicții precise pe date noi, nevăzute anterior.
2. Tipuri de învățare automată: Există mai multe tipuri de învățare automată, inclusiv învățare supervizată, învățare nesupervizată, învățare prin consolidare.
3. Aplicații ale ML: Sunt folosite în acțiuni precum recunoașterea vocală și recunoașterea facială, recomandarea de produse în comerțul electronic, diagnosticarea medicală și analiza imagistică, previziuni meteorologice și analiza datelor financiare, înțelegerea limbajului natural și traducerea automată.
4. Algoritmi de ML: Există o varietate de algoritmi și tehnici folosite, printre care se numără arbori de decizie, rețele neurale artificiale, mașini cu vectori suport (SVM), metode de grupare (clustering), învățare profundă (deep learning).