Machine learning (135)
Alle AI-termen binnen Machine learning, in gewone taal.
Machine learning
Versterkingsleren (2)
Reinforcement learning (RL)
Reinforcement learning (RL) is een vorm van machine learning waarbij een programma leert via beloningen. Anders dan bij leren met het juiste antwoord erbij krijgt het geen correctie op zwakke acties, maar probeert het acties en weegt nieuwe pogingen af tegen bekende keuzes. Zo oefent een programma in een computerspel zetten tot de totale score over de hele partij zo hoog mogelijk is.
Machine learning
Voorgetraind model
Pre-Trained Models
Voorgetrainde modellen zijn AI-modellen die al getraind zijn op grote hoeveelheden gegevens. Anders dan software met vaste regels hebben ze algemene patronen geleerd, zoals zinsbouw of vormen, en kunnen ze daarna verder worden getraind voor een specifieke taak. Ontwikkelaars gebruiken zo'n model als startpunt voor een nieuwe toepassing, bijvoorbeeld om een chatbot antwoorden te laten geven of objecten op foto's te herkennen.
Machine learning
Voorspellende AI
Predictive AI
Voorspellende AI is een AI-systeem dat oude en actuele data gebruikt om toekomstige trends, gedrag of gebeurtenissen te schatten. Anders dan een programma met vaste regels leert het model met machine learning zelf patronen in die data, bijvoorbeeld met regressie of met een reeks metingen over de tijd. Een webshop kan zo inschatten welke producten binnenkort extra nodig zijn, en een onderhoudsteam wanneer een machine waarschijnlijk uitvalt.
Machine learning
Voorspellende analyse
Predictive Analytics
Voorspellende analyse (predictive analytics) is een werkwijze die met data, statistiek en machine learning toekomstige uitkomsten schat. Anders dan een rapport over het verleden zoekt deze aanpak patronen in oude en actuele gegevens en schat daarmee hoe groot de kans is dat iets gebeurt. Een webshop kan zo inschatten welke klanten waarschijnlijk stoppen met kopen, en een ziekenhuis welke patiënten extra controle nodig hebben.
Machine learning
Weak supervision
Weak supervision
Zwakke supervisie is een leermethode waarbij een model traint met labels die grof, onvolledig of deels fout zijn. Bij gewone supervisie hoort bij elk voorbeeld een juist label; hier geven eenvoudige regels of bestaande bronnen sneller ruwere labels. Een redactie kan zo een grote stapel nieuwsartikelen laten indelen in onderwerpen, zonder dat iemand elk artikel eerst zelf met de hand labelt.
Machine learning
Wiskundige optimalisatie
Mathematical optimization
Wiskundige optimalisatie is een methode die de beste keuze uit beschikbare alternatieven selecteert volgens een criterium. Anders dan een vast rekenprogramma zoekt deze methode invoerwaarden die een doelscore zo hoog of zo laag mogelijk maken, binnen toegestane grenzen. Planners in een fabriek berekenen zo hoeveel van elk product zij maken, met zo groot mogelijke winst en zonder de voorraad te overschrijden.
Machine learning
XGBoost
XGBoost
XGBoost is een open source softwarebibliotheek voor machine learning die voorspellingen leert met beslisbomen. Het programma stapelt eenvoudige beslisbomen, zodat elke volgende boom de resterende fouten verkleint en extra beperkingen een te sterke aanpassing aan de trainingsgegevens tegengaan. Gebruikers passen die bomen in meerdere programmeertalen toe om uit voorbeelden een getal of een categorie te voorspellen, zoals of een aanvraag wordt goedgekeurd.
Machine learning
Zelfgesuperviseerd leren
Self-Supervised Learning
Zelfgesuperviseerd leren is een trainingsmethode waarbij een AI-model zelf oefenopdrachten maakt uit ruwe data. Het model verbergt een deel van de gegevens, probeert dat deel te herstellen en toetst het antwoord aan de data zelf, zonder labels van mensen. Daardoor leert een taalmodel, de techniek achter veel chatbots, de samenhang tussen woorden en herkent het later de betekenis van nieuwe zinnen.
Machine learning
Zero-shot learning
Zero-Shot Learning
Zero-shot learning is een methode waarbij een AI-model taken uitvoert of categorieën herkent zonder daarvoor te zijn getraind. Het model gebruikt algemene kennis en verbanden uit eerdere training, in plaats van voorbeelden van die nieuwe taak of categorie. Een model dat foto's van paarden kent, herkent een zebra als een gestreept paard, ook zonder ooit eerder een zebra te hebben gezien.




