În loc să programați regulile manual, introduceți exemple și lăsați algoritmul să găsească tipare. Învățarea automată construiește modele care se îmbunătățesc odată cu datele și acum stă la baza căutării, recomandărilor, detectării fraudelor și recunoașterii vocale.

Câmpul se împarte prin supervizare. Învățarea supravegheată folosește date etichetate. Învățarea nesupervizată găsește o structură fără etichete. Învățarea prin consolidare învață din semnalele de recompensă prin interacțiune. Fiecare se potrivește unor probleme diferite.

Paradigme comune de învățare

• Învățare supravegheată din etichete
• Învățare nesupervizată din structură
• Învățarea prin consolidare din recompensă
• Învățare semi-supervizată din date mixte
• Învățare autosupervizată din sarcini pretextuale

Datele domină rezultatele. Un model simplu bazat pe date curate și relevante adesea depășește un model complex bazat pe date zgomotoase. Practicienii își petrec cea mai mare parte a timpului cu colectarea, curățarea și validarea datelor, nu cu căutarea arhitecturii.