| Semi-supervised learning A way of training machine learning systems for a specific application. An AI system uses a mix of supervised and unsupervised learning and labelled and unlabelled data. This type of learning is useful when it is difficult to extract relevant features from data and when there are high volumes of complex data, such as identifying abnormalities in medical images, like potential tumours or other markers of diseases. See also supervised learning and unsupervised learning. | A félig felügyelt tanulás egy gépi tanulási módszer, amely ötvözi a felügyelt (supervised) és a nem felügyelt (unsupervised) tanulás előnyeit. Ebben a megközelítésben a rendszer egyszerre használ címkézett és címkézetlen adatokat a tanulási folyamat során. Ez különösen hasznos, ha a címkézett adatok előállítása költséges vagy időigényes, de nagy mennyiségű címkézetlen adat áll rendelkezésre. Gyakorlati példa Egy orvosi diagnosztikai rendszer félig felügyelt tanulást használ: Adatok: 500 képen manuálisan címkézték a rákos daganatokat, míg 5000 képen nincsenek címkék. Tanulási folyamat: A rendszer a címkézett képek alapján tanulja meg a daganatok mintázatait. Ezután a címkézetlen képeket elemzi, hogy azonosítsa a daganatokkal megegyező mintákat. Eredmény: A rendszer képes megbízhatóan azonosítani a daganatokat nagy mennyiségű címkézetlen adat felhasználásával. | Google AutoML NVIDIA Deep Learning LabelProp Amazon SageMaker Microsoft Research |