Een bedrijf moet een model trainen om afbeeldingen van verschillende diersoorten te classificeren. Het heeft al een grote set gelabelde afbeeldingen en zal geen extra gegevens labelen. Welke leeraanpak moet het bedrijf gebruiken?

Supervised learning is de juiste aanpak omdat het bedrijf al een grote dataset heeft met gelabelde afbeeldingen (input-output paren). Bij supervised learning wordt een algoritme getraind op deze gelabelde gegevens om patronen te leren en voorspellingen te doen over nieuwe, ongeziene gegevens. In dit geval leert het model welke kenmerken bij welke diersoort horen. Unsupervised learning is ongeschikt omdat het wordt gebruikt voor ongelabelde gegevens, wat niet het geval is hier. Reinforcement learning is bedoeld voor het trainen van agenten die beslissingen nemen in een omgeving en beloningen ontvangen, wat niet van toepassing is op beeldclassificatie. Active learning is ook niet geschikt omdat het proces van het selectief labelen van nieuwe gegevens om de training te verbeteren, niet nodig is aangezien er geen extra gegevens gelabeld zullen worden.