Nou, ik moet allereerst zeggen: Het meeste van  de AI applicaties gebruikt supervised learning. Dat is eigenlijk leren onder supervisie. Wat je dan doet is duizenden,   tienduizenden voorbeelden aan een  computer geven en erbij vertellen,   van bijvoorbeeld tienduizenden plaatjes,  en daar bij vertellen wat de diagnose was. De computer, het algoritme,   het neuraal netwerk leert dan om uit  dat beeld die patronen te herkennen. Als je dan dat getraind model hebt ga je er in de   tweede fase een nieuw plaatje in  stoppen en dan weet hij het zelf. Dus eenmaal een getraind model... Bij supervised learning heb je dus data en labels,  data en antwoorden, daar ga je eerst mee trainen. Vervolgens ga je dat model gebruiken. Bij unsupervised learning daar  heb je geen labels of antwoorden. Daar zeg je eigenlijk gewoon dit is een bak  met data, zie je daar clusters of patronen in? Nou even een voorbeeldje... stel  dat je zegt: van alle mensen die   films kijken ben ik wel geïnteresseerd in... Bijvoorbeeld: Wat is het genre waar  ze naar kijken? En hoe laat kijken ze? Als je dat in een ruimte uitzet  ga je misschien ook clusters zien. Dus je hebt geen labels maar  je bent geïnteresseerd. "Hoe   is dat verdeeld? Waar zitten die clusters?" Dat is een unsupervised learning..