حجم المجموعات البيانات الحديثة المتزايد باستمرار، إلى جانب صعوبة الحصول على معلومات التسمية، جعل التعلم شبه الإشرافي أحد المشكلات ذات الأهمية العملية البالغة في تحليل البيانات الحديث. نعيد النظر في نهج التعلم شبه الإشرافي باستخدام النماذج الجينيراتيفية (generative models) ونطور نماذج جديدة تسمح بالعمومية الفعالة من مجموعات البيانات الصغيرة الموسومة إلى مجموعات البيانات الكبيرة غير الموسومة. حتى الآن، كانت النماذج الجينيراتيفية إما غير مرنة أو غير فعالة أو غير قابلة للتوسع. نوضح أن النماذج الجينيراتيفية العميقة والاستدلال البيزي التقريبي الذي يستفيد من التقدم الحديث في الطرق المتغيرية (variational methods) يمكن استخدامه لتقديم تحسينات كبيرة، مما يجعل النماذج الجينيراتيفية تنافسية للغاية في مجال التعلم شبه الإشرافي.