Învățarea automată (machine learning) este o ramură a inteligenței artificiale care vizează dezvoltarea de sisteme informatice capabile să învețe din date, fără a fi programate explicit pentru fiecare sarcină. Aceasta se bazează pe construirea de modele statistice care pot identifica tipare, efectua predicții sau lua decizii pe baza exemplelor. Învățarea automată se diferențiază de metodele algoritmice tradiționale prin capacitatea modelelor de a se adapta automat la complexitatea datelor, ceea ce o face potrivită pentru o varietate de probleme dinamice.
Cazuri de utilizare și exemple
Învățarea automată este aplicată în recunoașterea imaginilor, traducerea automată, detectarea fraudelor bancare, diagnosticarea medicală asistată de calculator, optimizarea lanțului logistic sau recomandarea personalizată de conținut. De exemplu, motoarele de căutare utilizează modele de machine learning pentru a ordona rezultatele, iar platformele de streaming recomandă filme pe baza preferințelor utilizatorilor.
Principalele instrumente software, biblioteci și framework-uri
Cele mai utilizate instrumente includ TensorFlow, scikit-learn, PyTorch, Keras, XGBoost, LightGBM și CatBoost. Aceste biblioteci oferă funcționalități pentru construcția, antrenarea și implementarea modelelor. Alte platforme precum RapidMiner, H2O.ai sau MLlib (pentru Apache Spark) facilitează integrarea la scară industrială.
Dezvoltări recente și tendințe
Învățarea automată evoluează rapid, odată cu ascensiunea deep learning-ului, a modelelor de fundație de mari dimensiuni și a tehnicilor avansate precum transfer learning, învățarea federativă și explicabilitatea modelelor (XAI). Tendințele actuale includ automatizarea proiectării modelelor (AutoML) și integrarea în sisteme embedded sau cu consum redus de energie.