Strojové učenie (Machine Learning - ML) je vedecká disciplína v rámci umelej inteligencie, ktorá sa zameriava na vývoj algoritmov schopných učiť sa z dát bez explicitného programovania. Na rozdiel od klasických expertných systémov, kde sú pravidlá definované programátorom, ML modely identifikujú vzorce v masívnych súboroch dát a na ich základe robia predikcie alebo rozhodnutia.
Základným stavebným kameňom je matematická optimalizácia. Algoritmus minimalizuje chybovú funkciu (loss function) iteratívnym upravovaním vnútorných parametrov. Tento proces vyžaduje kvalitnú prípravu dát, pretože presnosť modelu je priamo úmerná čistote a relevantnosti vstupných informácií.
Kľúčové kategórie ML:
- Učenie s učiteľom (Supervised): Model trénuje na označených dátach (vstup-výstup).
- Učenie bez učiteľa (Unsupervised): Hľadanie skrytých štruktúr v neoznačených dátach.
- Posilňované učenie (Reinforcement): Agent sa učí metódou pokus-omyl na základe odmien.
V praxi sa ML využíva od predikcie vývoja cien na burze až po diagnostiku v medicíne. Pre hlbšie pochopenie technických nuáns odporúčame preštudovať si Základy a princípy ML, ktoré rozoberajú lineárnu regresiu a gradientný zostup.