Matice záměn je nástroj pro hodnocení kvality klasifikačního modelu. Ukazuje, kolik předpovědí bylo správných (true positives a true negatives) a kolik chybných (false positives a false negatives). Díky ní lze snadno spočítat různé metriky jako přesnost, senzitivitu nebo F1 skóre a lépe porozumět chybám modelu.

Markovovy modely jsou matematické modely pro předpovídání budoucích stavů systému na základě aktuálního stavu, nikoliv celé historie. Pracují s tzv. Markovovou vlastností, která říká, že budoucnost závisí pouze na současnosti. V AI a strojovém učení se využívají například v rozpoznávání řeči, generování textu nebo modelování uživatelského chování.

Machine learning je klíčová oblast umělé inteligence, ve které se modely učí z dat a zlepšují své výstupy bez nutnosti ručního programování. Místo pevně daných pravidel získává stroj schopnost rozpoznávat vzorce, předpovídat výsledky nebo rozhodovat na základě předchozích zkušeností. Uplatnění nachází v rozpoznávání obrazu, predikcích, zpracování jazyka nebo doporučovacích systémech.