No sabemos dónde estaremos en 6 meses …
No creo que ninguna API de ML pueda hacer un mejor trabajo que un profesional de datos capaz por la misma razón por la que un producto o plataforma de análisis no puede encontrar la pieza de datos procesable significativa. Los algoritmos, las API y las plataformas siempre intentarán encontrar la mejor respuesta posible de los datos, pero no pueden establecer si el resultado o el proceso tienen sentido.
Para darte un ejemplo muy simple. Puedo alimentar cualquier algoritmo con cualquier conjunto de datos con el que trabajo a diario. Una API genérica para todo uso me mostrará que, en un día determinado, la mejor manera de mejorar los ingresos es aumentar el número de usuarios. Sin embargo, aumentar el número de usuarios cuesta dinero, a menudo el costo por usuario es más alto de lo que cualquier juego generará en promedio por usuario. Cualquiera te dirá que esto no tiene sentido.
- En forma de estudios de caso, ¿cómo utilizan las empresas financieras el aprendizaje automático?
- ¿El análisis complejo es relevante para el aprendizaje automático?
- ¿Qué significa el término 'soft-max' en el contexto del aprendizaje automático?
- Cómo usar el aprendizaje automático para unir un patrón a partir de valores CSV
- ¿Es la precisión proporcional al número de capas ocultas y las unidades de cada capa en la red neuronal?
Podemos discutir que debería tener el conjunto de datos construido de manera diferente o los algoritmos ajustados para ser más significativos, pero ¿eso no supera el propósito de las API de ML y la ciencia de datos como servicio?
No sé qué pasará en 5 años. Si las computadoras pueden razonar sobre algo tan simple como lo que acabo de describir, ese tipo de tecnología será muy útil, pero hasta entonces necesitamos el factor humano.
