El primer paso es darse cuenta de que ninguna gran experiencia técnica en técnicas de aprendizaje automático es suficiente para compensar el conocimiento del dominio de los datos. La intuición acerca de qué técnicas utilizar se obtiene mejor cuando pones experiencia en el dominio en dicho campo, así como experiencia en aprendizaje automático.
Por ejemplo, si usted es una compañía de petróleo y gas que busca implementar un sistema de aprendizaje automático para el mantenimiento preventivo, en primer lugar deberá comprender los datos de la serie temporal que provienen de los sensores del equipo, entonces puede implementar un sistema que pueda proporcionar esa serie temporal. datos, en tiempo real, le proporcionan un indicador de la probabilidad de que necesite reemplazar un componente o equipo específico en un día determinado.
La mejor manera de hacer esto es emparejarse con alguien que tenga esta experiencia. Los equipos que implementan IA en las empresas a menudo se componen de científicos de datos, ingenieros de operaciones, profesionales / analistas de negocios e ingenieros de software. Juntos pueden extraer los datos, analizarlos y responder preguntas reales de nivel empresarial. Para el ejemplo anterior, esa pregunta podría ser, “¿cómo podemos reducir el costo de nuestra flota para maximizar los ingresos?”
- ¿Dónde puedo obtener más información sobre IA y la aplicación de la ciencia de datos a las interacciones humanas?
- ¿Sería un error permitir que la IA se apodere del mundo?
- ¿La inteligencia informática anulará la inteligencia humana en el futuro?
- ¿Cómo cambiará la inteligencia artificial la seguridad cibernética?
- ¿Qué salvaguardas existen para evitar que una IA rebelde emerja?
Si desea construir algo específicamente en un campo que le apasione particularmente (por ejemplo, la atención médica), además de aprender los fundamentos de las técnicas generales de aprendizaje automático, también debe tomarse el tiempo para convertirse en un experto en el campo que preocuparse. ¿Qué es lo más importante para ese campo? ¿Qué métricas se utilizan para medir eso y cómo se ve el éxito? ¿Quiénes son los interesados y qué les importa? ¿Qué tipo de datos tienen y qué tan accesibles son? Una vez que pueda responderlas, se vuelve mucho más fácil aplicar el algoritmo correcto y comenzar a implementar soluciones en la empresa.
Un último punto es que, incluso si tiene estas habilidades, implementar un modelo de aprendizaje automático en la producción (especialmente si tiene algún componente de aprendizaje bayesiano o en línea), no siempre es sencillo. Por lo tanto, estar familiarizado con las tecnologías para hacer eso (como Docker, servidores web, etc.) también es importante pero no necesario, ya que hay herramientas que pueden ayudar con eso, como Algorithmia, Datmo y, si eres más inteligente, los servicios en la nube de Google, Amazon etc.
Espero que esto ayude 🙂
