Probablemente no. El documento técnico se publicó en 2011. Fue el mismo año en que las soluciones de Aprendizaje automático como servicio (MLaaS) comenzaron a aparecer, especialmente con el lanzamiento de Google Prediction API y BigML. Ahora, en 2014, finalmente estamos viendo un crecimiento en este espacio. Se están uniendo nuevas startups, pero también grandes jugadores como Microsoft, con Azure ML.
Hubo una escasez de talento similar hace diez años con el desarrollo de sitios web. Fue resuelto por sistemas de gestión de contenido web como WordPress que podría ser utilizado por cualquier persona e hizo el trabajo el 80% del tiempo. Tenga en cuenta que aún necesita desarrolladores web expertos para el 20% restante.
Creo que lo mismo le está sucediendo a Data Science / Predictive Analytics / Machine Learning. La forma de evitar la escasez de talento es proporcionar soluciones que sean directamente accesibles para los expertos en dominios, que es exactamente lo que son las soluciones MLaaS anteriores. Esto satisfará las necesidades de las personas el 80% del tiempo, y los científicos de datos podrán concentrarse en el resto.
- Astronomía: ¿Cómo se puede usar el aprendizaje automático para la clasificación de galaxias?
- ¿Puede LSTM u otro tipo de red neuronal recurrente aprender a extraer y representar un estado de Markov?
- Si quiero comenzar con el aprendizaje profundo, ¿debería comprar una GPU de gama baja o aprovechar una solución en la nube? ¿Cuál es más barato / mejor?
- ¿Cómo puede un estudiante de segundo año de Informática llegar al estudio del aprendizaje automático? ¿Cómo comienza uno?
- ¿Son las redes neuronales artificiales la única forma de establecer un aprendizaje profundo?