El aprendizaje automático será (o quizás ya lo sea) una parte tan importante de la ingeniería de software que todos tendrán que entender dónde encaja. Pero al igual que, por ejemplo, la administración de la base de datos o el diseño de la interfaz de usuario, eso no significa que todos los ingenieros tendrán para ser un experto en aprendizaje automático, será aceptable trabajar con otros expertos. Pero cuanto más sepa sobre el aprendizaje automático, mejor será para diseñar una solución.
También creo que será importante que los expertos en aprendizaje automático y los ingenieros de software se unan para desarrollar las mejores prácticas para el desarrollo de software de sistemas de aprendizaje automático. Actualmente tenemos un régimen de prueba de software en el que define pruebas unitarias con llamadas a métodos como afirmar verdadero o afirmar iguales . Necesitaremos nuevos procesos de prueba que involucren la ejecución de experimentos, el análisis de los resultados, la comparación de los resultados de hoy con los resultados anteriores para buscar deriva, decidir si la deriva es una variación aleatoria o no estacionaria de los datos, etc. Esta es un área excelente para el software ingenieros y personas de aprendizaje automático para trabajar juntos para construir algo nuevo y mejor.
- ¿Cuáles son los algoritmos estándar para la inferencia en redes bayesianas?
- ¿Por qué las personas incrustan / envuelven código python en C / C ++?
- ¿Cuál es el significado físico de usar SVD / NMF en una matriz de correlación espacial?
- ¿Cómo se usa una capa oculta soft-max en una red neuronal profunda?
- ¿Hay alguna conexión entre el aprendizaje de kernel múltiple (MLK) y el aprendizaje profundo?
