Machine Learning
Overfitting și underfitting: ce le deosebește
De ce un model merge perfect la antrenament și cade pe date noi. Overfitting și underfitting, explicate cu exemple, plus cum le prinzi la timp.
•11 min citire
Machine Learning
Cum învață un model din date, unde greșește și de ce. Algoritmi, supervised vs unsupervised și cazuri reale în care machine learning-ul a dat greș.
•12 min citire
Reinforcement learning: cum învață prin eroare
Reinforcement learning înseamnă a învăța din consecințe, nu din exemple. Cum funcționează, unde e folosit și de ce e altfel decât restul.
•11 min citire
Supervised vs unsupervised: care e diferența
Supervised vs unsupervised: unul învață cu răspunsurile la vedere, celălalt fără. Ce înseamnă asta practic, cu exemple și cu prețul real al etichetării.
•15 min citire
Ce este inteligența artificială (AI), explicat simplu
Ce este inteligența artificială și ce înseamnă AI, pe înțeles: definiție, tipuri, exemple din viața de zi cu zi și ce nu poate face încă în 2026.
•9 min citire
Machine learning: cinci mituri și ce e adevărat
Amazon a renunțat la un sistem care învățase să respingă femeile. Ce face concret învățarea automată, cele cinci mituri despre machine learning.
Despre categoria Machine Learning
Machine learning e metoda din spatele a aproape tot ce se vinde azi ca inteligență artificială: în loc să-i scrii programului regula, îi arăți exemple și îl lași să deducă regula singur. Sună simplu. Consecințele nu sunt.
Pentru că un sistem care învață din exemple moștenește tot ce e în exemple, inclusiv ce n-ai vrut. Amazon a renunțat la un sistem de recrutare după ce acesta a învățat singur să respingă femeile — nu pentru că cineva l-a programat așa, ci pentru că asta arătau datele istorice. Cazul e desfășurat în ghidul de machine learning, alături de celelalte patru mituri care se repetă cel mai des.
Articolele din categoria asta merg în ordine, de la ce înseamnă să înveți din date până la de ce un model bun pe hârtie se face de râs în producție. Dacă vrei să înțelegi prima împărțire care contează — între a învăța cu răspunsuri și a învăța fără ele — pornește de la supervised vs unsupervised learning. Nu e nevoie de matematică; e nevoie de răbdare la exemple.