Ve světě AI a strojového učení jsou falešně pozitivní a falešně negativní výsledky klíčové pro hodnocení přesnosti modelu.False positive (falešně pozitivní): model označí něco jako pozitivní, i když to ve skutečnosti není – například diagnostický systém vyhodnotí zdravého pacienta jako nemocného.False negative (falešně negativní): model přehlédne pozitivní případ – například neodhalí nemoc, i když pacient […]

Extrakce příznaků je proces, při kterém se ze surových dat (např. obrázků, textů, zvuku) vytahují klíčové informace, které jsou důležité pro učení modelu. Příznaky (features) jsou konkrétní hodnoty nebo charakteristiky, které reprezentují pozorování. Dobře zvolené příznaky výrazně zvyšují výkon modelu. V hlubokém učení dnes většinu této práce přebírají neuronové sítě automaticky, ale porozumění extrakci příznaků […]

Expertní systém je typ AI, který simuluje rozhodování lidského experta v určitém oboru. Skládá se z báze znalostí (pravidla, fakta) a inference engine (mechanismu, který z těchto znalostí vyvozuje závěry). Používal se například v lékařství, financích nebo technické diagnostice. I když byl častější v dřívějších fázích vývoje AI, dnes se některé principy expertních systémů používají […]