Descargo de responsabilidad 1: Ninguna parte de esta respuesta debe reproducirse o citarse sin el contenido completo de la respuesta o el contexto aplicado, incluidos los descargos de responsabilidad.
Descargo de responsabilidad 2: Creo que lo siguiente es cierto para todas las API y productos de proveedores en el mercado actual y el entorno operativo. Por lo tanto, estos comentarios no son específicamente un problema de IBM Watson, sino que son problemas de toda la industria.
Definitivamente es menos sencillo de lo que creo que a IBM y sus clientes les gustaría que fuera.
- ¿Cuáles son los métodos de implementación con calidad de producción para los modelos de aprendizaje automático?
- ¿De qué manera las competencias de minería de datos y aprendizaje automático ayudan / restan valor a estos campos académicos y sus aplicaciones comerciales?
- ¿Por qué confiamos en la aleatoriedad de la búsqueda aleatoria en la optimización de hiperparámetros?
- ¿Cómo ayuda el enfoque ontológico con la clasificación de texto?
- ¿Cuál es la diferencia entre análisis de datos, ciencia de datos, big data y aprendizaje automático?
Las soluciones y las capacidades subyacentes evolucionan constantemente con nuevas capacidades y un desarrollo continuo, lo que significa que es difícil mantener el ritmo a menos que se comprometa a trabajar con Watson a diario.
Personalmente, tengo que lidiar con todos los productos de la cartera de análisis y big data de IBM, a menudo incluyendo a Watson, por lo que para mí es aún más difícil seguir el desarrollo del mundo de Watson tanto como me gustaría, en profundidad. Estaría feliz con (Soy un fanático de la calidad y la calidad).
Como ejemplo, yo, y muchos otros, hemos trabajado en proyectos en los que hemos estado solucionando y trabajando hacia un resultado con un conjunto de API y capacidades que han quedado obsoletas y reemplazadas por nuevas capacidades en medio de un proceso de desarrollo.
Las nuevas herramientas eran mejores que la forma original en que habíamos previsto aplicar un plan de solución, pero la capacidad simplemente no existía antes de que fuera desarrollada, probada y lanzada después de la versión beta. A menudo, los clientes se centrarán en productos GA (generalmente disponibles) para sistemas de producción y evitarán el trabajo beta. Sumado a esto, los desarrolladores han aprendido cómo realizar sus tareas en los métodos, flujos de trabajo y construcciones de código originales y no en los métodos recientemente lanzados a la mitad de una implementación / implementación de diseño, y usted puede ver cómo la gestión de lanzamiento efectiva y la participación de la comunidad de desarrolladores siguen siendo críticas y La máxima importancia para el éxito y la evolución exitosa continua.
Me gusta mucho la dirección y las capacidades que hay actualmente en el mercado, así como las que se lanzarán al mercado en un futuro cercano, en particular los desarrollos relacionados con la conversación de Watson, la comprensión del lenguaje natural, el estudio de conocimiento, el servicio de descubrimiento y el reconocimiento de imágenes.
Sumado a esto, el desarrollo y lanzamiento de la plataforma de datos de Watson, la experiencia de ciencia de datos, los servicios de desarrollo de Bluemix, el aprendizaje automático de Watson, el catálogo de datos y las capacidades de gobierno con experiencias relevantes basadas en roles; todo en una única plataforma escalable que le permite crear e implementar aplicaciones totalmente integradas, seguras y basadas en datos en todo el mundo sin cambiar pilas y el futuro se ve mucho mejor de lo que muchos creen.
