El primer paso sería pensar en el objetivo principal de un proyecto y los pasos individuales que pueden estar involucrados para lograr este objetivo. Una vez que identifiqué que un problema (o una parte de un problema) puede abordarse mediante un modelo predictivo (un clasificador o regresor) o un algoritmo de agrupamiento, me preguntaría si los datos son adecuados para esta tarea.
¿Tengo acceso a las etiquetas / variable objetivo si esta es una tarea de aprendizaje supervisada? Si no, ¿puedo obtener las etiquetas de algún lado? ¿Hay un número suficiente de muestras disponibles? ¿Puedo representar los datos de entrada en un formato adecuado (quizás tabular) para un algoritmo de ML?
Además, si tengo un 1D o 2D simple que puedo visualizar fácilmente y / o puedo elaborar fácilmente una regla predictiva, ML puede ser excesivo
- Cómo verificar si una respuesta a una pregunta es correcta comparando con una respuesta correcta a la pregunta
- ¿Cuáles son los cursos de requisitos previos para una maestría / doctorado en informática / inteligencia artificial?
- ¿Existe una superposición entre la nanotecnología y la inteligencia artificial / aprendizaje automático?
- ¿Es cierto que la IA "modifica sus algoritmos"? ¿Eso significa que las IA modifican su propio código?
- ¿Por qué la inteligencia artificial es un campo especializado?
Por ejemplo, probablemente no encajaría en un modelo de regresión para predecir los pesos de la molécula dada su estructura como entrada. Por ejemplo, dada una molécula de ácido acetilsalicílico
tenemos la composición de
9 x carbono, 8 x hidrógeno, 4 x oxígeno
dónde
C ~ 12 g / mol
H ~ 1 g / mol
O ~ 16 g / mol
Entonces podríamos calcular fácilmente su peso como
9 x 12 g / mol + 8 x 1 g / mol + 4 x 16 g / mol = 180 g / mol
Es importante pensar realmente en el problema que queremos resolver, si podemos resolverlo “fácilmente” mediante reglas deducidas a mano o si puede ser necesario ML: en términos generales, el aprendizaje automático es solo la automatización de las reglas o hipótesis de elaboración manual. o funciones aproximadas. Otro gran ejemplo de esto sería Fizz Buzz en Tensorflow de Joel Grus: Fizz Buzz en Tensorflow