Tanto Google como Microsoft ofrecen algo como lo que está buscando con sus competidores a AWS:
Comenzando con la API de predicción
¿Qué es Cortana Analytics?
- ¿No tener datos temporales en el vector de entrada hace que un RNN-LSTM sea inútil en comparación con otros NN si su salida es una secuencia temporal?
- ¿Por qué una red neuronal no es propensa al sobreajuste a pesar de tener tantos parámetros?
- En una red neuronal recurrente, ¿por qué proporcionamos una secuencia de observaciones como entrada (longitud fija) en lugar de alimentar una observación tras otra con respecto al tiempo?
- ¿Qué cantidad de sistemas de recomendación se trata solo de usar el algoritmo correcto?
- ¿Cuáles fueron las principales conclusiones del tutorial de Richard Sutton sobre el aprendizaje por refuerzo en NIPS 2015?
Y hay un montón de compañías que hacen esto, así como una gran cantidad de paquetes de código abierto que pueden ayudar.
Sin embargo, la pregunta asume que puede tomar uno de estos paquetes, arrojar sus datos y obtener buenas recomendaciones que funcionen bien para sus clientes. Así no es como funciona realmente.
Crear recomendaciones y personalización que ayuden a los clientes es un proceso iterativo de probar diferentes algoritmos y giros de interfaz de usuario, ver sus datos y ver qué les gusta realmente a sus clientes. El desarrollo de un sistema de recomendación que realmente funcione bien requiere mucha experimentación.
Por lo general, lo que desea hacer es comenzar desde una línea de base simple. Esta puede ser una versión rápida de implementar de filtrado colaborativo o incluso algo como los elementos más populares. Luego, repetidamente, desea realizar experimentos para tratar de superar lo que ha lanzado, aprender lo que funciona y lo que no funciona, probar los cambios en la interfaz de usuario y los cambios en el algoritmo, encontrar gradualmente mejoras que ayuden a las personas a encontrar y descubrir cosas que les gustan.
Pero en realidad no puede simplemente arrojar sus datos a algún servicio y marcharse. ¿Cómo sabes que está funcionando bien? ¿Cómo sabes que es mejor que algo más simple? ¿Y cómo sabes que no te faltan pequeños cambios que harían que funcione mucho mejor?
