Слепой выбор решения на основе машинного обучения может привести к невидимым опасностям. Узнайте о преимуществах и проблемах внедрения моделей машинного обучения для принятия обоснованных решений
Это не очевидный вопрос. Для начинающих специалистов по данным сразу же продвигать модели машинного обучения может быть ошибкой.
На самом деле, более простые решения на основе правил могут быть эффективными и простыми в реализации, экономя при этом большие суммы денег.
По мере распространения машинного обучения в различных отраслях растет тенденция к желанию использовать этот подход везде, где он может быть применен.
Машинное обучение, безусловно, мощно, но это не волшебное заклинание, способное решить все наши проблемы.
В этой статье я расскажу о том, когда использовать машинное обучение, и о вопросах, которые стоит задать себе перед началом проекта и изучения различных доступных подходов.
Прежде чем мы начнем, я рассмотрю, что вообще делает решение на основе машинного обучения.
Машинное обучение — это подход к изучению сложных закономерностей на основе существующих данных. Затем он использует эти шаблоны для прогнозирования неизвестных данных.
Что значит изучать шаблоны? Я начну с рассказа об этой части, а затем коснусь темы данных и создания прогнозов.
Все это путешествие завершится объяснением различных компромиссов, которые следует учитывать при рассмотрении вопроса о разработке проекта, основанного на машинном обучении.
Давай начнем.
Изучение шаблонов
Модель машинного обучения — это система, привлекающая как технических специалистов, так и неспециалистов своей способностью «учиться» на наблюдаемых данных (отсюда и термин обучение с учителем).
Если вам интересно узнать больше о машинном обучении в целом, прочитайте статью ниже 👇
