...
← Blog Data & ai

Machine learning explicat simplu, cu exemple din viața reală

Machine learning explicat simplu: sigla cursului de Machine Learning în centru, cu siglele Python și Data Analysis în jur

Machine learning (învățare automată) înseamnă că un program învață reguli din exemple, în loc să i le scrie un programator una câte una. Îi dai mii de e-mailuri marcate „spam” sau „bun”, iar el descoperă singur ce le deosebește. Apoi aplică ce a învățat pe e-mailuri noi, pe care nu le-a văzut niciodată.

Mai jos ai explicația fără formule, exemple pe care le folosești deja zilnic, un model de câteva linii în Python care estimează prețul unui apartament și ce îți trebuie ca să lucrezi în domeniu.

Ce este machine learning, explicat simplu

Machine learning este o ramură a inteligenței artificiale în care calculatorul își construiește singur regulile pornind de la date. În programarea clasică, tu scrii regula: „dacă subiectul conține «ai câștigat», mută e-mailul în spam”. În machine learning, îi dai exemple și răspunsurile corecte, iar algoritmul găsește regulile, inclusiv pe cele la care nu te-ai fi gândit.

Gândește-te cum înveți să recunoști un pepene copt la piață. Nimeni nu ți-a dat o formulă. Ai cumpărat zeci de pepeni, ai bătut în coajă, ai văzut care erau buni și, după o vreme, ai „simțit” regula. Un model de machine learning face același lucru, doar că cu cifre și cu mult mai multe exemple.

Trei cuvinte apar peste tot, așa că merită lămurite de la început:

  • Datele de antrenare sunt exemplele din care învață programul, de pildă 10.000 de apartamente vândute, cu suprafață, cartier și preț.
  • Modelul este rezultatul învățării: un fel de formulă sau de schemă de decizie pe care o poți folosi apoi pe date noi.
  • Predicția este răspunsul modelului pentru un caz nou, cum ar fi prețul estimat al unui apartament care abia a fost scos la vânzare.

Exemple de machine learning din viața reală

Folosești machine learning de mai multe ori pe zi, de obicei fără să-ți dai seama. Iată unde apare în viața de zi cu zi din România.

  • Filtrul de spam din Gmail sau Yahoo, care mută singur mesajele cu „coletul tău este blocat la vamă” în dosarul potrivit.
  • Recomandările din magazinele online și de pe platformele de streaming: „clienții care au cumpărat acest laptop au mai cumpărat și…”.
  • Banca îți blochează cardul când vede o plată de 3.000 de lei la 3 dimineața într-o țară în care n-ai fost. Modelul a învățat cum arată cheltuielile tale obișnuite.
  • Telefonul îți grupează pozele după fețe și îți găsește singur „toate pozele cu câini”.
  • Tastatura îți sugerează următorul cuvânt, iar Google Maps estimează cât stai în trafic pe Calea Victoriei la ora 18.
  • Asistenții de tip ChatGPT sunt tot modele de machine learning, antrenate pe cantități uriașe de text.

Cele trei tipuri de machine learning

Algoritmii de machine learning se împart după cum primesc exemplele: cu răspuns, fără răspuns sau prin încercare și recompensă. Tabelul de mai jos îți arată diferența pe exemple concrete.

TipCe primește modelulCe învațăExemplu
Învățare supervizatăExemple cu răspunsul corect (etichetă)Să prezică răspunsul pentru cazuri noiPrețul unui apartament, e-mail spam sau nu, credit aprobat sau respins
Învățare nesupervizatăDoar date, fără răspunsGrupuri și tipare ascunseÎmparte clienții unui magazin în „cumpără des, puțin” și „cumpără rar, mult”
Învățare prin recompensăUn mediu în care încearcă acțiuni și primește puncteCe acțiuni aduc cele mai multe puncteUn program care învață să joace șah sau un robot care învață să meargă

Învățarea supervizată e de departe cea mai folosită în firme și e și cea cu care începi. La rândul ei are două forme. Regresia prezice un număr (prețul, temperatura de mâine, vânzările lunii viitoare). Clasificarea prezice o categorie (spam sau nu, fraudă sau nu, cifra scrisă de mână e 3 sau 8).

Un model de machine learning în 10 linii de Python

Cel mai bun mod de a înțelege machine learning este să antrenezi un model mic. Codul de mai jos folosește biblioteca gratuită scikit-learn și învață din șase apartamente vândute cum crește prețul cu suprafața și numărul de camere.

from sklearn.linear_model import LinearRegression

# suprafața (m²) și numărul de camere pentru 6 apartamente vândute
X = [[38, 1], [52, 2], [60, 2], [75, 3], [90, 3], [110, 4]]
# prețul de vânzare, în mii de euro
y = [78, 102, 115, 142, 165, 198]

model = LinearRegression()
model.fit(X, y)

nou = [[68, 3]]
pret = model.predict(nou)[0]
print(f"Preț estimat pentru 68 m², 3 camere: {pret:.0f} mii euro")
print(f"Cât adaugă fiecare m²: {model.coef_[0]:.2f} mii euro")

Rezultatul:

Preț estimat pentru 68 m², 3 camere: 130 mii euro
Cât adaugă fiecare m²: 1.55 mii euro

Ce s-a întâmplat, pe rând:

  1. X sunt datele de intrare (caracteristicile), iar y sunt răspunsurile corecte. Prețurile sunt inventate pentru exemplu, nu luate de pe piață.
  2. LinearRegression() alege tipul de model: o regresie liniară, adică o formulă de forma „preț = a × suprafață + b × camere + c”.
  3. model.fit(X, y) este antrenarea. Algoritmul caută valorile lui a, b și c care se potrivesc cel mai bine cu cele șase exemple.
  4. model.predict(nou) folosește formula găsită pe un apartament pe care modelul nu l-a văzut.
  5. model.coef_ îți arată ce a învățat: aici, că fiecare metru pătrat adaugă cam 1.550 de euro.

Șase exemple sunt prea puține pentru un model de încredere. În realitate ai folosi mii de apartamente și mai multe caracteristici (cartier, etaj, anul construcției), iar o parte din date ai păstra-o deoparte ca să verifici cât de des greșește modelul. Ideea rămâne însă exact aceasta. Dacă vrei să mergi mai departe, documentația scikit-learn pentru LinearRegression are exemple complete.

Machine learning, AI și deep learning: care e diferența

Machine learning este o parte a inteligenței artificiale, iar deep learning este o parte a machine learning. Inteligența artificială e termenul larg pentru orice program care face sarcini pe care le-am considera „inteligente”. Machine learning e metoda prin care cele mai multe astfel de programe își învață regulile din date. Deep learning folosește rețele neuronale cu multe straturi și stă în spatele recunoașterii de imagini și al modelelor de limbaj ca ChatGPT.

Ce îți trebuie ca să înveți machine learning

Ca să înveți machine learning ai nevoie de Python, de lucrul cu date și de matematică de liceu, în ordinea asta. Nu trebuie să fii matematician, dar nici nu poți sări peste date și statistică.

  1. Python. Aproape toate uneltele de machine learning sunt în Python. Dacă pornești de la zero, ai un plan în articolul cum să înveți Python de la zero.
  2. Lucrul cu date. Cum citești un fișier CSV, cum cureți valorile lipsă, cum faci un grafic. Bibliotecile de bază sunt pandas și NumPy, iar pentru extragerea datelor ajută SQL.
  3. Matematica necesară. Medii, procente, grafice de funcții, puțină algebră cu vectori și matrice. Restul îl înveți pe parcurs, aplicat pe cod. Mai multe despre asta în articolul despre programare fără matematică.
  4. Modelele clasice cu scikit-learn: regresie, clasificare, arbori de decizie, clustering, plus evaluarea lor corectă.
  5. Abia apoi rețele neuronale și modele de limbaj.

Cursul gratuit Machine Learning Crash Course de la Google e o resursă bună în engleză. Dacă preferi să înveți în română și să scrii cod din prima zi, cursul nostru de Machine Learning și AI pentru începători rulează Python real cu NumPy și scikit-learn direct în browser, iar pe parcurs construiești modele pentru prețul apartamentelor, aprobarea creditelor sau detecția fraudei.

Joburi în machine learning pentru începători

Primul job în zona de machine learning este rar „ML Engineer” direct; mai des pornești ca Data Analyst sau Junior Data Scientist. Firmele vor să vadă întâi că știi să lucrezi corect cu date, apoi îți dau modele de construit.

Orientativ, un Data Scientist junior în România câștigă 5.000–7.000 lei net pe lună cu contract de muncă, conform datelor noastre pentru 2026, construite pe baza sondajelor Paylab pentru Data Scientist și a ghidurilor salariale. Bucureștiul și Clujul plătesc de obicei peste interval. Ordinea cursurilor până acolo o găsești în traseul Data Scientist / ML Engineer: Python, SQL, analiză de date, machine learning, Git și algoritmi.

Întrebări frecvente

Machine learning este același lucru cu inteligența artificială?

Nu. Machine learning este o parte a inteligenței artificiale, cea în care programul învață din date. Majoritatea aplicațiilor de AI pe care le folosești azi sunt construite însă cu machine learning, de aceea termenii se amestecă des.

Pot învăța machine learning fără facultate de matematică?

Da. Pentru primele modele îți ajung matematica de liceu și puțină statistică, pe care le exersezi direct în cod. Matematica mai avansată devine necesară dacă vrei să faci cercetare sau să construiești algoritmi noi.

Ce limbaj se folosește pentru machine learning?

Python, în marea majoritate a cazurilor. Bibliotecile principale (scikit-learn, pandas, NumPy, PyTorch, TensorFlow) sunt pentru Python. SQL e al doilea limbaj util, pentru că datele stau de obicei în baze de date.

Cât durează să înveți machine learning?

Cam 6–12 luni de studiu constant, dacă pornești de la zero cu Python. Primele modele simple le poți antrena după câteva săptămâni, dar lucrul corect cu datele și evaluarea modelelor cer mai mult timp.

Va înlocui machine learning-ul programatorii?

Nu în sensul în care se teme lumea. Uneltele bazate pe machine learning schimbă felul în care se scrie cod, dar cineva tot trebuie să înțeleagă problema, datele și rezultatul. Am scris pe larg despre asta în articolul va înlocui AI programatorii.

Primul pas: antrenează-ți primul model

Copiază codul cu apartamentele, adaugă încă două exemple și schimbă apartamentul nou, apoi urmărește cum se modifică predicția. Dacă vrei să faci asta fără să instalezi nimic și cu exerciții verificate automat, începe cu primele lecții gratuite din cursul de Machine Learning și AI. Primul modul explică exact ce ai văzut aici, apoi construiește pas cu pas restul.

Logo Curs Machine Learning și AI pentru începători Interactiv · 15 lecții gratuite

Curs Machine Learning și AI pentru începători

Machine Learning pentru începători: modele reale cu Python și scikit-learn

Începe gratuit

Citește și

Primul tău program e la 5 minute distanță.

Creează-ți contul gratuit și începe primele 15 lecții. Fără card, fără instalări.

Începe gratuit