Gracias por A2A.
Sorce: IoT y machine learning – conferencia de inteligencia computacional
“La idea de una máquina inteligente de aprendizaje independiente ha fascinado a los humanos durante décadas .:”
- ¿Qué parte del autoencoder realmente representa las características aprendidas?
- ¿Cuáles son los algoritmos más populares utilizados en redes neuronales convolucionales?
- ¿Cuál es una explicación intuitiva para el equilibrio de sesgo-varianza?
- ¿Cuándo debo usar un autoencoder frente a un RBM?
- Cómo crear la línea de regresión de mínimos cuadrados (error cuadrático medio mínimo) en R
La filosofía detrás del aprendizaje automático es automatizar la creación de modelos analíticos para permitir que los algoritmos aprendan continuamente con la ayuda de los datos disponibles.
Aprendizaje automático más IoT
Lo que creo es que el aprendizaje automático y el IoT son paralelos.
El aprendizaje automático ha experimentado un aumento en la popularidad entre las empresas industriales gracias a la exageración que rodea Internet of Things (IoT). Muchas empresas ya están designando IoT como un área estratégicamente significativa, mientras que otras han lanzado proyectos piloto para mapear el potencial de IoT en las operaciones comerciales.
Como resultado, casi todos los proveedores de TI anuncian repentinamente plataformas IoT y servicios de consultoría.
Además, no muchos proveedores pueden establecer, en términos concretos, al cliente cómo crear de manera prudente un impacto positivo en las operaciones comerciales con soluciones IoT. Simplemente la promesa de una plataforma IoT basada en la nube no es suficiente.
Los sensores conectados a las redes IoT y los datos generados a partir de los sensores deben analizarse. Aquí es donde el aprendizaje automático aparece para analizar esos datos, dividir los datos en información útil y predecir que el sistema creado es eficiente o no. De esta manera ambas tecnologías crecen paralelas.