Hyperparametry jsou nastavení, která ovlivňují, jak se AI model učí, ale nejsou přímo učená během tréninku. Patří sem například počet vrstev, velikost batch size, rychlost učení (learning rate) nebo typ optimalizačního algoritmu. Správné nastavení hyperparametrů může mít zásadní vliv na výkon modelu a často se ladí pomocí metod jako grid search nebo bayesovská optimalizace.

Human-in-the-loop je přístup, kdy se do procesu učení nebo rozhodování AI aktivně zapojuje člověk. Člověk může například označovat trénovací data, ověřovat výstupy modelu nebo upravovat rozhodnutí systému. HITL je důležitý zejména v citlivých oblastech, kde je třeba dohled a odpovědnost — například v medicíně, právu nebo etickém využití AI. Zajišťuje vyšší kvalitu, bezpečnost i transparentnost […]

Skrytá vrstva je součást neuronové sítě, která se nachází mezi vstupní a výstupní vrstvou. Právě ve skrytých vrstvách probíhá většina výpočtů a transformací dat, které modelu umožňují naučit se složité vzory. Více skrytých vrstev znamená vyšší kapacitu modelu a schopnost rozpoznávat složitější vztahy — to je princip hlubokého učení (deep learning).