Antes de comenzar a modelar cualquier cosa y todo con ML, sepa cuándo usarlo.
Como cualquier otra ingeniería, ML también viene con sus ventajas y desventajas. Su uso depende de si es económico y cuándo los profesionales superan a los contras.
Un punto a favor es que ML puede usarse para problemas complejos de la vida real en los que no existe una solución analítica simple (léase: ecuación para la respuesta) o es demasiado complicada de derivar. Aquí, ML ayuda al aprender esta solución. La desventaja es que generalmente requiere una gran cantidad de datos, lo que puede ser costoso.
- ¿Qué profesores / grupos / laboratorios están trabajando en el aprendizaje profundo en el MIT?
- ¿Cuáles son las características de HOG en visión artificial en términos simples?
- ¿Cómo es trabajar en el equipo de Machine learning / Data Mining?
- ¿Qué es el aprendizaje por refuerzo?
- ¿Por qué la optimización convexa es tan importante en el aprendizaje automático?
El problema Radar-Jammer es un problema clásico para el que se pueden encontrar soluciones muy simples, sin ML. Es solo una interacción entre la geometría Radar – Jammer, la propagación de la señal a través del espacio y la forma de onda de la señal. Lea cualquier libro de Electronic Warfare (EW) si lo desea.
El hecho de que ML suene elegante no significa que deba usarse en todas partes. Newton no tenía ML para derivar ecuaciones de movimiento.
