Algunas que se me ocurren …
1: Problemas donde las variables aleatorias están orgánicamente ad absurdum interrelacionadas a través de gráficos cíclicos dirigidos.
2: n = 1 escenarios de tipo (No es lo mismo que la prueba de hipótesis de muestra única).
- Entrevistas de trabajo de análisis de datos: ¿qué puede decir sobre SQL como herramienta para mostrar sus habilidades?
- ¿Qué análisis se puede hacer en los datos de asistencia de los empleados?
- ¿Cuál es la utilidad de Big Data?
- ¿Cuáles son algunas bases de datos meteorológicas históricas?
- ¿Cuáles son algunas ideas de investigación para la minería de datos en la agricultura?
3: Problemas que emanan de ciertas subáreas de las Humanidades, como la espiritualidad, la teología, el estudio de la conciencia, etc.
4: Problemas que buscan específicamente apartarse del constructo de ‘tendencia’.
En un nivel inferior, se puede ver que ML como tal está limitado y dirigido por esta noción de Tendencia, que puede ser muy restrictiva en términos de agitación de revelaciones innovadoras.
Déjame aclarar.
La teoría de probabilidad estándar no es inherentemente lo suficientemente discriminatoria cuando se trata de manejar eventos de cero de medida frente a eventos imposibles (a los cuales se les asigna una probabilidad de cero bastante convenientemente). ML también hereda esto. Algunos han rastromizado esto argumento como la teoría del cisne negro, etc., pero la idea sigue siendo la misma.