Respuesta corta:
Ventaja
- Bootstrap una aplicación / solución con relativa facilidad en el componente ML.
- Usabilidad: fácil registro y proceso de gestión.
- Sinergia con Azure: compilación en la pila MSFT.
- Fácilmente consumible.
- Relativamente barato.
- Las API cognitivas genéricas se están convirtiendo en productos relativamente básicos.
Desventaja
- ¿Cómo puedo interpretar las predicciones en un modelo de aprendizaje automático de salud (bosque aleatorio) para infarto agudo de miocardio?
- ¿Cómo califica Kaggle los envíos?
- ¿Qué le parece más interesante: el análisis de series temporales o el aprendizaje automático? ¿Por qué?
- ¿Qué es el cambio de covariable?
- ¿Puedo trabajar en Google Machine Learning con una licenciatura en Informática pero habiendo realizado dos pasantías y 3 proyectos de código abierto?
- Restricciones inherentes en los modelos ML: las API de servicios cognitivos de MSFT están destinadas a fines generales.
- Se ha demostrado que los microservicios son más adecuados para resolver “puntos de dolor de puntos”, pero no son compatibles con el valor prop en un caso de uso más extendido. El desafío reside en comprender cómo las colecciones de estos microservicios se pueden usar en concierto para abordar una necesidad comercial completa. Hasta ahora, el MSFT Cog. Srvs. la cartera carece de la amplitud para esa necesidad.
