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.

Učení bez učitele je typ strojového učení, při kterém model pracuje s daty bez předem daných výstupních hodnot. Cílem je najít v datech skryté vzorce, struktury nebo vztahy – například pomocí shlukování (clustering) nebo redukce dimenzionality. Typické využití je v segmentaci zákazníků, analýze chování nebo detekci anomálií.