Zespół musi zbudować model, który określa, czy osoby na zdjęciach noszą ubrania marki detalicznej firmy. Biorąc pod uwagę oznaczony zbiór danych obrazów, który typ modelu uczenia maszynowego jest najbardziej odpowiedni?

Sieci neuronowe splotowe (CNN) są najbardziej odpowiednie do zadań związanych z przetwarzaniem obrazu, takich jak rozpoznawanie obiektów i klasyfikacja, ponieważ potrafią automatycznie uczyć się hierarchicznych cech wizualnych. Latent Dirichlet Allocation (LDA) jest używane do modelowania tematów w tekście, a nie do analizy obrazu. Rekurencyjne sieci neuronowe (RNN) są przeznaczone do danych sekwencyjnych, takich jak tekst lub szeregi czasowe. K-średnie grupowanie (K-means clustering) to algorytm uczenia nienadzorowanego służący do grupowania danych, a nie do klasyfikacji obrazów na podstawie etykiet.