Hasta que el aprendizaje profundo sea capaz de escribir algoritmos en general, lo dudo.
Sin embargo, parece muy razonable que el aprendizaje profundo sea beneficioso para elegir el mejor algoritmo de clasificación para un gran conjunto de datos.
Hay muchos tipos de clases, para diferentes dominios problemáticos. Esto cubre la mayoría de ellos, clasificación k, clasificación rápida, clasificación de pila, clasificación de fusión, clasificación de mapa prox, clasificación por radix, clasificación por inserción o clasificación por conteo.
- ¿Cómo clasifica Quora las preguntas? ¿Qué algoritmos usan?
- Cómo ser autosostenible solo a través del comercio algorítmico
- Creamos un algoritmo de software único para medir / cuantificar las diferencias de las imágenes a escala nano-planetaria. ¿Cómo monetizamos esto?
- ¿Cuál fue el primer juego de computadora en usar un generador de números aleatorios?
- ¿Cómo termina una imagen en la página principal de reddit o imgur?
Existen pautas generales sobre cuándo usar estos tipos, pero ¿cómo evalúa los datos para determinar en tiempo de ejecución cuál es el mejor? El aprendizaje profundo podría hacer el truco. Y luego de una capacitación adecuada, una pequeña evaluación de O (N) podría ahorrar mucho tiempo al seleccionar el tipo correcto para los datos disponibles.
