1. Fogalom magyarul: gépi tanulás

2. Fogalom angolul: machine learning

3. Meghatározás:

A gépi tanulás a mesterséges intelligencián belül algoritmusok és statisztikai modellek kifejlesztésével foglalkozik, melyek révén a számítógépek képesek lesznek mintákat felismerni és tanulni az adatokból. A gépi tanulásban a tanulás tulajdonképpen az adott gépi modell hangolható paramétereinek beállítását jelenti a rendelkezésre álló adatok alapján. Ennek lényege, hogy az algoritmusok tapasztalatból tanulnak, így explicit programozás nélkül képesek fejlődni és alkalmazkodni az új adatokhoz, ez által pedig minimális emberi beavatkozással döntéseket hozni. A gépi tanulásnak három fő típusa van: felügyelt, felügyelet nélküli és megerősítő tanulás; melyek eltérő megközelítéssel illesztik a modellt az adatokra. A gépi tanulás alkalmazásai széles körűek és változatosak: a képfelismeréstől kezdve a természetes nyelvfeldolgozáson át az orvosi diagnosztikáig számos területen használják. Az algoritmusok fejlődésével a gépi tanulás egyre fontosabb szerepet játszik a mindennapi életünkben és az ipari alkalmazásokban egyaránt.

4. Hivatkozások:

• Mitchell, Tom M. "Machine Learning." McGraw-Hill, 1997.
• Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. "The Elements of Statistical Learning." Springer, 2009.
• Bishop, Christopher M. "Pattern Recognition and Machine Learning." Springer, 2006.

5. Megjegyzések:

6. Kulcsszavak:

mesterséges intelligencia, gépi tanulás