| Bejárat | Mire szolgál? | Kiindulási pont |
| Gépi tanulás | Egy mennyiségi vagy minőségi Y-változóra vonatkozó prediktív modell beállítása több X-változó alapján. | Egy meglévő adatrács. |
| Optimalizálás | Találja meg a legmegfelelőbb beállítást több egyszerre több válasz, a becsült modellek alapján. | Egy vagy több modell. |
| Bayesi optimalizálás | Az optimális eredmény elérése a lehető legkevesebb kísérlettel: a modul a kezdeti és az azt követő kísérleteket fokozatosan javasolja. | Semmi — a tényezők és azok határai. |
| Keverésoptimalizálás | Ugyanez az elv vonatkozik egy olyan készítményre is, amelynek összetevőinek összege 100 %. | Semmi — az alkatrészek és azok csatlakozói. |
💡 Az első két bejegyzés működik a begyűjtött adatok alapján, az utolsó kettő irányítják a beszerzést. Hasznos tipp: ha még eldönthető, hogy mely kísérleteket kell elvégezni, a szekvenciális optimalizáló modulok segítségével kísérleteket takaríthat meg; ha a kísérletek már elvégzésre kerültek, akkor gépi tanulásról van szó. A már elvégzett kísérleteket be lehet vonni a bayesi optimalizálásba, de csak akkor, ha ezek a kísérletek megfelelően lefedik a területet. Hasonlóképpen kiindulhatunk meglévő keverékekből is, feltéve, hogy ezek a keverékek teljesítik a «arányok összege = 1» feltételt.»
⚠️ A négy belépéshez szükséges egy projekt kiválasztva. A „Gépes tanulás és optimalizálás” tantárgy emellett egy táblázat ; a két szekvenciális optimalizáló modul önállóan működik, és az adataikat magában a tanulmányban tárolja.