Tabla de contenido:
No es algo fácil de tomar a la ligera: comenzar con un proyecto de aprendizaje automático puede ser un proceso desalentador para los ejecutivos que desean aprovechar esta tendencia de TI, pero pueden carecer del conocimiento interno para comprender realmente los entresijos de lo que hace que la máquina proyectos de aprendizaje tick.
Aquí hablaremos sobre algunos de los conceptos erróneos básicos que están teniendo un impacto en cómo las empresas desarrollan tecnologías de aprendizaje automático en un mercado que cambia rápidamente. (La ciencia de datos es otro campo que las empresas están implementando, pero ¿en qué se diferencia de ML? ¿Descubrir en ciencia de datos o aprendizaje automático? Aquí se explica cómo detectar la diferencia).
Mito n. ° 1: más datos siempre son mejores
Este es realmente uno de los mayores mitos del aprendizaje automático. Las personas piensan que más datos significan más capacidad para perfeccionar las ideas procesables. En algunos casos, tienen razón, pero más a menudo, lo contrario puede ser cierto.
