Margen bajo + trabajo físico + industrias de datos bajos
Márgenes bajos
Las industrias que tienen un alto margen tienen un alto incentivo para trabajar agresivamente en el uso del aprendizaje automático para optimizar los problemas. Los altos márgenes atraerán la competencia no tradicional a la industria.
Trabajo físico
Las industrias que requieren que su producción se manifieste en el trabajo físico real también tienen una desventaja. Las industrias que dependen en gran medida del software e incluso del hardware aumentan la accesibilidad al mercado. Cuanto más físico es el trabajo, más costoso es acceder al mercado; a menudo se requieren esfuerzos intensivos de capital para acercarse al mercado debido a esto.
- ¿Qué ingenieros de software o hackers conoces que hayan mostrado un conocimiento excepcional de Python? ¿Porque?
- ¿Cuál es la diferencia entre 'progreso' y 'espera limitada', que son los dos requisitos para manejar el problema de la sección crítica en un sistema operativo?
- ¿Para qué sirve el hash con un software al descargarlo?
- ¿Es posible competir con las principales empresas de realidad virtual?
- Conferencias académicas: ¿Qué tan bueno es el SpringSim'14 - 22º Simposio de computación de alto rendimiento?
Datos bajos
El aprendizaje automático actualmente requiere grandes conjuntos de datos. Hay mucho trabajo interesante en torno a la reducción de los conjuntos de datos requeridos, pero incluso si hay un progreso significativo en este vector, los problemas y las soluciones aún deberán enmarcarse en algún tipo de formato de datos estructurados. Convertir datos no estructurados en datos estructurados no es tan difícil, pero si la relación costo / recompensa no es beneficiosa, habrá bajos incentivos económicos para recolectar y convertir.
¿Con qué industrias nos deja eso?
Fontaneros: específicamente, fontaneros locales en el hogar. Los márgenes de su trabajo no son lo suficientemente interesantes para los nuevos competidores que aprovechan una nueva tecnología. El requisito de que un humano viaje físicamente a la ubicación de un cliente y realice tareas físicas hace que el intento de capital de la industria sea intensivo. Y los datos que se podrían recopilar serían en su mayoría no útiles y darían lugar a pequeñas ganancias de margen.
La industria de la gestión del agua es una historia diferente. Trabajar con agua a escala para grandes proyectos de infraestructura podría beneficiarse enormemente del aprendizaje automático, pero el trabajo local de consumidor por consumidor sería una de las últimas industrias que se vería afectada.
Robots?
Esta colección de atributos sobre esta industria lo hace interesante para la robótica. Podría prever que una compañía de robótica invente un robot en el hogar que proporcione algunas tareas diferentes que son trabajo físico relativamente alto y no tareas particularmente complejas. Quizás el robot usaría el aprendizaje automático y la visión artificial para comprender mejor el problema en cuestión, como desatascar un inodoro o limpiar una tubería de drenaje.
