En mi opinión, esta no es una pregunta bien desarrollada, porque simplemente hay demasiadas técnicas rentables de LD, y muchas no son comparables, ya que no están relacionadas y buscan alcanzar diferentes objetivos. Diría que es como comparar manzanas y naranjas, pero es un eufemismo ya que la amplitud de las técnicas en ML está mucho más allá de eso en la fruta (por favor, siéntase libre de comentar sobre mi falta de conocimiento sobre los tipos oscuros de fruta …). Lo que pregunta es cuál es más rentable entre una clase de actuación y una clase de matemáticas. ¿Cómo puedo responder eso sin saber qué es lo que haces? Presumiblemente, una clase de actuación sería más útil y más rentable para alguien como Tom Cruise (claramente después de la falta de éxito de su última película =)). Por otro lado, una clase de matemáticas sería más útil para alguien como yo como estudiante universitario de matemáticas. Esta pregunta depende en gran medida de lo que esté haciendo e incluso entonces dudo que cualquier practicante razonable de ML o CS pueda dar una respuesta razonable (o incluso querer arriesgarse a adivinar una respuesta) como todos los métodos (incluso aquellos que no veo mucho uso) en general tienen algún beneficio y cierta compensación en comparación con otros métodos. Ejemplo:
Aquí hay dos métodos en el aprendizaje automático para el análisis de datos de alta dimensión:
- SVMS
- Redes neuronales
Ambos métodos tienen sus propios usos. En general, en la actualidad al menos podría decir que las NN son probablemente más útiles (y, por lo tanto, más rentables), aunque sea por nada debido a la exageración / gran promesa actual en su aplicación a una variedad de tareas, pero incluso esto podría cambiar si encontramos una nueva área de gran importancia social en la que necesitamos un marco de ML y nos faltan datos suficientes para capacitar a las NN y luego las SVM estarán a la vanguardia.
- ¿Habrá otra arquitectura convencional después de x86 y ARM?
- ¿Qué deben saber las personas nuevas en el campo sobre el aprendizaje automático adversario?
- ¿Alguien puede darme una explicación detallada sobre IoT (internet de las cosas)?
- ¿Qué conceptos en aprendizaje automático te tomaron mucho tiempo en comprender?
- ¿Cómo se transmitirán los datos en el microprocesador?
Quizás termine con este último punto, cuando hablemos de formas de generar ganancias, lo que debe buscar es el impacto social, no la intriga académica, ya que aquí es realmente donde está el dinero (desafortunadamente para aquellos de nosotros en la academia). )
