Beim maschinellen Lernen passt das Training ein Modell anhand von Daten und einem Ziel an. Später wird das entstandene System auf Eingaben angewendet. Es kann auch Beispiele im aktuellen Kontext nutzen, ohne seine grundlegenden Parameter dauerhaft zu verändern.
Entscheidend ist, was auf unbekannte Fälle übertragbar ist. Achten Sie auf Tests jenseits vertrauter Beispiele, eine klare Trennung von Training und Prüfung sowie Beschreibungen veränderter Leistung. Mehr Daten sind eine Ressourcenentscheidung, keine vollständige Erklärung des Lernens.
Quellen & weiterführende Lektüre
Die Links führen zu Originalberichten oder Primärforschung.


