Tengo que decir que hay muchos tipos diferentes de investigación con muchos puntos finales diferentes, y el punto final es realmente lo que da forma a la investigación. Si está buscando un descubrimiento académico o intelectual, su punto final es generar nuevos conocimientos, ya sea que sea una nueva forma fantástica de fabricar baterías de iones de litio, o que demuestre definitivamente que los patos NO se avergüenzan cuando se tiran pedos. Si está trabajando en un tipo de investigación comercial (como la investigación corporativa), su punto final es casi exclusivamente una forma de ganar dinero. En estas situaciones, se hace hincapié en determinar lo antes posible cuándo su investigación no será rentable, y si determina que será rentable, llegar a un producto viable de la manera más rápida posible.
Supongo que esta es una forma tortuosa de decir “investigación” no es solo “investigación”, es un acto de equilibrio entre lo que está tratando de lograr, su presupuesto, sus partes interesadas, etc. Cada aspecto de lo que necesita lograr afecta a todos los demás aspectos de la investigación que estás realizando.
- ¿Podemos construir una máquina de visualización de sueños usando el procesamiento de señales?
- ¿Apache Spark es un buen marco para implementar Reinforcement Learning?
- ¿Cuáles son las industrias que probablemente se verán afectadas por el aprendizaje profundo?
- ¿Qué debo buscar al comprar una computadora para ejecutar experimentos de Machine Learning?
- ¿Cómo se puede visualizar el aprendizaje profundo y, por lo tanto, convertir las capas y los pesos ocultos en algo comprensible para un laico sin mucho trabajo?
