Model strojového učení
V angličtině Machine Learning Model. Takto se nazývá program, který se z mnoha příkladů nebo zkušeností učí, jak řešit různé úlohy. Učení zjednodušeně probíhá ve dvou fázích — trénování a testování. V trénovací fázi například ukazujeme modelu množství příkladů (videa, obrázky, texty…), na nichž se učí tím, že vyhledává vzory (podobnosti). V testovací fázi ukazujeme modelu příklady, které ještě nikdy neviděl, a zjišťujeme, jak dobře funguje.
K natrénování modelu vždy potřebujeme data. Pod pojmem data si můžete představit například tabulku, složku obrázků, složku textů. Ve většině případů obsahují data člověkem přiřazenou výstupní hodnotu (tzv. anotaci). U fotografií koček a psů může jít o informaci, kde na fotografii je kočka a kde pes. Můžeme mít různě velké množství dat, zpravidla ale platí, že s větším množstvím (kvalitních) dat roste kvalita fungování modelu.
Model obecně
S modelem souvisí termín modelace. Modelovat znamená vytvářet zjednodušenou reprezentaci skutečnosti, která pomáhá lépe pochopit, analyzovat nebo simulovat složité procesy, systémy nebo situace. Například:
- V matematice: Modelování znamená vytvořit rovnice, které popisují chování určitého systému, například počasí nebo ekonomiky.
- V umění: Modelování znamená tvarování materiálu, jako je hlína, aby se vytvořil určitý objekt, třeba socha.
- V počítačové vědě a AI: Modelovat může znamenat vytvořit algoritmus, který imituje procesy v reálném světě, jako je rozpoznávání obrazu nebo předpovídání budoucích hodnot.