Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Machine learning (135)

Alle AI-termen binnen Machine learning, in gewone taal.

135 resultaten
Machine learning
Ongesuperviseerd leren
Unsupervised Learning
Leren zonder supervisie is een methode in machine learning waarbij een model leert van ongelabelde gegevens. Anders dan bij leren onder supervisie zoekt het model zelf naar patronen, groepen of een eenvoudigere structuur in de gegevens, zonder een vooraf gegeven juist antwoord. Een webwinkel kan zo klanten groeperen op basis van hun koopgedrag, ook als niemand die groepen van tevoren heeft benoemd.
Machine learning
Online leren
Online machine learning
Online machine learning is een methode waarbij een computermodel leert van gegevens die na elkaar binnenkomen. Bij elke nieuwe stap past het model de voorspelling aan, anders dan bij een methode die eerst alle gegevens tegelijk verwerkt. Zo kan het model blijven leren als alle gegevens tegelijk te veel rekenwerk vragen, of als patronen in de loop van de tijd veranderen.
Machine learning
Optimalisatie
Optimization
Optimalisatie is een methode in machine learning die de interne instellingen van een model aanpast aan een gekozen doel. Anders dan software met vaste regels zoekt een algoritme, zoals gradiëntafdaling, in vele kleine stappen naar instellingen die de voorspelfout verkleinen of de nauwkeurigheid verhogen. Zo maakt een spamfilter na de training minder fouten en laat hij gewone berichten vaker door.
Machine learning
Optimalisatiealgoritme
Optimization Algorithm
Een optimalisatiealgoritme is een methode die een model voor machine learning verbetert. Het vergelijkt elke voorspelling met het juiste antwoord en past daarna de interne instellingen stap voor stap aan, terwijl gewone software vaste regels van een programmeur volgt. Zo herkent een spamfilter na de training beter welke berichten ongewenst zijn, en sorteert een fotodienst gezichten vaker in het juiste album.
Machine learning
Overfitting
Overfitting
Overfitting is bij machine learning het te precies onthouden van trainingsgegevens door een model. In plaats van alleen de algemene trend te leren, onthoudt het model ook fouten en toevallige details uit de oefenset en behandelt die alsof ze altijd gelden. Een model dat huisprijzen schat, raakt de prijzen van de oefenhuizen daardoor precies en zit bij nieuwe huizen ver naast de echte verkoopprijs.
Machine learning
Parameter
Parameter
Een parameter is een interne waarde in een model voor machine learning. Tijdens de training leert het model deze waarde uit voorbeelden en past de waarde steeds aan, anders dan bij software met vaste regels van een programmeur. Die waarden bepalen samen hoe het model een invoer omzet in een uitkomst, zoals een dier op een foto of het volgende woord in een zin.
Machine learning
Patroonherkenning
Pattern recognition
Patroonherkenning is een methode waarbij computeralgoritmen automatisch regelmatigheden in gegevens opsporen en benoemen. Die algoritmen analyseren de gegevens, markeren terugkerende kenmerken en gebruiken die om nieuwe gegevens in verschillende categorieën te plaatsen. Dat verschilt van software die alleen een exacte overeenkomst zoekt: een spamfilter beoordeelt zo of een e-mail ongewenst is, en een camerasysteem herkent een gezicht op een foto.
Machine learning
Pre-training
Pre-training
Voortraining is de eerste leerfase waarin een AI-model een brede basis opbouwt uit heel veel ruwe gegevens. Het model volgt geen vaste regels voor één taak, maar zoekt zelf patronen, vaak door het volgende woord te voorspellen. Dat resultaat heet een basismodel en dient later als startpunt voor fijnafstemming, bijvoorbeeld zodat een chatbot vragen beantwoordt of een lange tekst samenvat.
Machine learning
Predictie (voorspelling)
Prediction
Een voorspelling is een schatting van een uitkomst met patronen die een model eerder uit data heeft geleerd. Anders dan een programma met vaste regels zoekt het model zelf verbanden in veel voorbeelden en past die toe op nieuwe gegevens. Een ziekenhuis kan daarmee voor een nieuwe patiënt de kans op een complicatie inschatten, op basis van gegevens van eerdere patiënten.