Segmentace znamená rozdělení dat na smysluplné části. V kontextu AI se často používá v počítačovém vidění – například segmentace obrazu rozděluje snímek na oblasti odpovídající různým objektům (např. člověk, auto, pozadí). V marketingu nebo zdravotnictví se zase segmentují uživatelé nebo pacienti podle chování či charakteristik. Segmentace zlepšuje cílení, interpretaci i přesnost modelů.

Škálovatelnost označuje schopnost systému nebo algoritmu zvládat rostoucí množství dat, uživatelů nebo výpočetního zatížení bez výrazného poklesu výkonu. V oblasti AI je škálovatelnost klíčová – například při trénování velkých jazykových modelů nebo nasazení AI řešení pro miliony uživatelů. Dobře škálovatelný systém lze snadno rozšířit o další výpočetní kapacity nebo zpracovávat data v reálném čase.

ROC křivka slouží k vizualizaci výkonu binárního klasifikačního modelu. Zobrazuje závislost mezi mírou falešně pozitivních a skutečně pozitivních výsledků při různých prahových hodnotách. Čím blíže je křivka levému hornímu rohu, tím lepší je model. Oblast pod křivkou (AUC) se často používá jako souhrnné měřítko kvality modelu.