Výpočetní lingvistika je vědní obor na pomezí lingvistiky a informatiky, který se zabývá automatickým zpracováním jazyka. Stojí za technologiemi jako jsou překladače, hlasoví asistenti nebo nástroje pro analýzu textu. V AI pomáhá pochopit jazykovou strukturu a význam slov, vět i celých textů.

Vektorizace je proces převodu textových, obrazových nebo jiných nestrukturovaných dat do číselných vektorů, se kterými může pracovat algoritmus strojového učení. Například u textu může jít o převod slov na čísla pomocí technik jako Bag of Words, TF-IDF nebo word embeddings. Vektory zachycují významové i statistické vlastnosti dat.

Validační data slouží ke sledování výkonnosti modelu během tréninku. Nejsou součástí trénovacích dat, ale používají se k ladění hyperparametrů a prevenci přeučení (overfittingu). Díky validačním datům lze odhadnout, jak si model povede na dosud neznámých vstupech, ještě před samotným nasazením.