Uczenie end-to-end to podejście w uczeniu maszynowym, w którym jeden model uczy się bezpośredniego mapowania surowych danych wejściowych na końcowy wynik bez etapów pośrednich i ręcznego projektowania cech. Cały system jest trenowany jako jedna spójna sieć neuronowa, co upraszcza architekturę i pozwala algorytmowi samodzielnie odkrywać najbardziej istotne wzorce niezbędne do wykonania zadania.
Źródło: pl.wikipedia.org
