Tendrás que perdonarme si estoy proyectando mi propio equipaje en esta pregunta. En mi experiencia, este tipo de preguntas son formuladas por personas con poca o ninguna comprensión de las matemáticas. (no el autor de la pregunta en este caso, sino las personas a las que está parafraseando) Piensan que todo lo que se requiere para crear un modelo matemático significativo es un algoritmo. Estas son las mismas personas de negocios que lo llaman a su oficina y, en lugar de explicar el problema comercial, le dicen qué pruebas analíticas desean. He pasado años de mi vida intentando explicar a las personas por qué lo que querían no tiene sentido.
La razón para aprender los algoritmos es para que entiendas, íntimamente, cómo funcionan y cuándo fallarán. Entiende cuándo buscar desbordamiento o desbordamiento. Comprende cómo adaptar los algoritmos existentes para trabajar de manera más efectiva, más rápida o con parámetros modificados.
Poner datos en un algoritmo es una parte muy pequeña de mi trabajo. Paso mucho más tiempo acondicionando datos, examinando resultados, determinando si un modelo universal sería más apropiado que múltiples modelos, determinando alguna metodología para segmentar la población, etc., etc.
- ¿Cómo obtienen las empresas datos de capacitación para implementar el aprendizaje para clasificar algoritmos, especialmente en el contexto de búsqueda?
- Cómo guardar los pesos de los datos de entrenamiento de las pruebas MNIST en Tensorflow para uso futuro
- ¿Cómo se compara Orange con Tableau?
- Cómo aplicar ConvNet en el análisis de sentimientos
- ¿Quién es la estrella en ascenso de la IA fuera del aprendizaje profundo?
La idea de que vomito de una base de datos a un algoritmo y un ROI ocurre por arte de magia me molesta.