Debido a que los problemas de clasificación y regresión son los problemas más reconocidos y ampliamente confrontados, eso se puede resolver fácilmente utilizando el aprendizaje automático tradicional. Tienen aplicaciones en la financiación (por ejemplo, predicción del valor real de la empresa basándose en factores financieros), comercialización (por ejemplo, clasificación de personas en diferentes grupos objetivo) o bancos (por ejemplo, estimación del riesgo de crédito para un cliente).
Sin embargo, hay una variedad de problemas diferentes en los que los investigadores de IA se están enfocando. Uno de ellos es la agrupación: en Microsoft, he estado trabajando para agrupar las revisiones de la Tienda Windows en cubos, para que los ingenieros sepan de qué característica se queja la mayoría de las personas. Otro es el hallazgo de políticas (que podría resolverse mediante el aprendizaje de refuerzo) que se utiliza para crear un oponente informático viable e inteligente en los juegos de computadora o para crear una inteligencia de conducción autónoma para usar en los automóviles (en lo que estoy trabajando actualmente en NVIDIA )
- ¿Cuáles son las diferencias entre Apache Spark y el Tensor Flow de Google?
- Cómo configurar una instancia de AWS GPU para aprender el aprendizaje automático
- ¿Necesita ser un buen ingeniero de software para trabajar en cosas como visión por computadora, reconocimiento de voz, gráficos por computadora, aprendizaje automático?
- ¿Cuáles son los primeros usos de la regresión logística?
- ¿Se pueden identificar las características que resultan del proceso de aprendizaje de CNN, o se puede diseñar e incrustar una cantidad de características bien definidas en una CNN?