Online strojové ucˇenie je matematický model, kde agent robí predpovede zárovenˇ s tým ako prijíma dáta. Kl'úcˇovým faktorom je rýchlost' konvergencie agenta k optimálnemu offline riešeniu. Zrekapitulujem niekol'ko klasických problémov: ucˇenie sa s pomocou expertov, problém mnohorukého banditu. Nacˇrtnem súvislosti s inými oblast'ami aplikovanej matematiky: gradientné metódy z optimalizácie, opakované hry a kompetitívna analýza online algoritmov. V druhej cˇasti sa budem zaoberat' opakovanými hrami s neúplnou informáciou, cˇo je zovšeobecnenie predchádzajúcich modelov. Pred dvoma rokmi sme ja, András Antos, Gábor Bartok, Dean Foster, Alexander Rakhlin, a Csaba Szepesvari klasifikovali všetky konecˇné opakované hry s neúplnou informáciou podl'a minimax rýchlosti ich konvergencie. Vysvetlím štruktúru rôznych typov hier tejto klasifikácie.