Entiendo que esto suceda en un Mainframes que se ejecuta en Linux más que cualquier otra cosa. Ya podemos tener portadas de bibliotecas de aprendizaje automático y trajes de software que sean capaces de ejecutarse en Linux.
Para un desarrollador en Mainframes, esto significaría aprender un montón de Techstack (R, Python …), Matemáticas y Ciencias de datos para aprovechar mejor esta situación.
Con esto podemos tener lo siguiente
- ¿Cuál es el entorno libre de distribución en la teoría del aprendizaje estadístico?
- ¿Por qué se utilizan imágenes en escala de grises para el análisis de componentes principales?
- ¿Tendrán alguna coincidencia los modelos gráficos probabilísticos y el aprendizaje profundo?
- Cómo verificar si el objeto de una imagen existe en otra imagen
- ¿A quién o qué investigación de laboratorio en aprendizaje automático le parece más interesante?
- Business Intelligence puede integrarse en Mainframes.
- Es posible que podamos entrenarlo para corregir errores comunes de datos encontrados en bases de datos, archivos DASD o archivos VSAM. (La gente de soporte de producción estará feliz)
- Podemos reconocer el patrón de cuerda para encontrar una transacción fraudulenta mejor.
- Los sistemas CICS en línea pueden tener incorporados sistemas de sugerencias, pueden aprender las entradas de uso común del usuario y rellenarlas previamente o darles un conjunto de “conjeturas” para elegir.
