Aplicaciones de ML!
Estamos avanzando enormemente en ML, y recientemente se ha vuelto práctico resolver problemas del mundo real con algoritmos que han estado en proceso durante décadas. Hay tanta fruta baja en términos de aplicaciones, razón por la cual cada otra startup que se está creando hoy en día usa ML de alguna manera para resolver un problema.
La dificultad en las aplicaciones es ser muy conocedor de dos campos completamente separados (biología y ML, agricultura y ML, etc.) y encontrar una aplicación que realmente resuelva un problema.
- ¿Cómo es para los ingenieros de aprendizaje automático cuando están 'en la zona'?
- ¿Es Linux más avanzado que Windows?
- ¿Hay alguna manera de tener un archivo 7-zip inicial y tener versiones similares almacenadas como 'lo que ha cambiado'?
- ¿Qué equipos indios participarán en las finales mundiales de ACM-ICPC 2016-2017?
- ¿Qué empresas privadas trabajan como consultores de CS para la NASA donde un ciudadano no estadounidense puede trabajar?
Para abordar el otro extremo de la ecuación, es necesario trabajar en ML central para hacer posibles más aplicaciones, y hay mucho espacio para mejorar. Casi todos los años, la forma recomendada por la industria de hacer algo cambia rápidamente, y surgen nuevas formas de hacer las cosas (vea InceptionNet como ejemplo).