- La fuerza bruta de las computadoras modernas para procesar tantos datos tan rápido.
- La disponibilidad de grandes datos de entrenamiento y datos históricos.
La máquina no está realmente ‘aprendiendo’ nada en el mundo actual de Python de ML. Solo sigue las instrucciones programadas
La base del ‘aprendizaje automático es matemática simple, y no es nueva.
a) construir el equivalente de una tabla realmente grande de pares de puntos de datos, y luego contar la ocurrencia más frecuente de a, b o c, dada x. Los humanos pueden hacer esto con papel y lápiz, pero los millones o miles de millones de puntos de datos que la máquina puede procesar es mayor.
- ¿Por qué el color de la carpeta es amarillo en Windows?
- ¿Qué es un enrutador de software y cómo se implementa el plano de datos en los enrutadores de software?
- ¿Qué ganan exactamente los creadores de virus informáticos al hacer que las computadoras se bloqueen y no puedan cargarse?
- ¿Cuál es la diferencia entre la teoría de simulación por computadora del Universo y el diseño inteligente?
- ¿Cuál fue la respuesta inicial a la publicación de la criptografía de clave pública?
b) regresión lineal. Ni aob son matemáticas nuevas.
Lo que se ignora con el LD utilizado en los negocios para comercializar y medir a los consumidores, o sitios sociales, es que cuando las selecciones y elecciones a los consumidores se basan en el análisis de elección previo realizado por el ML, con el tiempo las opciones se reducirán. Si tengo una opción de 1 o 20 elementos, tengo una alta entropía y elección. Cuando ML se utiliza para maximizar las ganancias al reducir la elección de los productos en función del análisis de opciones históricas, entonces mis opciones pueden reducirse a 1 de 5 (más barato para el fabricante). Tengo menos Entrpy y valor de información y elección. Luego se fabricarán diferencias falsas y muy dudosas para crear la ilusión de que todavía tengo muchas opciones.
Todos venimos a vivir autos blancos, son muy agradables. En realidad, es una racionalización posterior a los hechos que realizamos para alimentar nuestra propia imagen de que elegimos el blanco porque nos gustó, cuando 75 de los autos en el lote son blancos.
El análisis bayseiano NO es recursivo.