Kazalo:
Ne gre jemati rahlo - začeti s projektom strojnega učenja je lahko zastrašujoč postopek za vodstvene delavce, ki želijo izkoristiti ta trend IT, vendar pa morda nimajo lastnega znanja, da bi resnično razumeli, kaj vse uvršča stroj učni projekti označijo.
Tu bomo govorili o nekaterih osnovnih napačnih predstavah, ki vplivajo na to, kako podjetja razvijajo tehnologije strojnega učenja na hitro spreminjajočem se trgu. (Podatkovna znanost je drugo področje, ki ga podjetja izvajajo, toda kako se razlikuje od ML? Ugotovite v Data Science ali Machine Learning? Tukaj je, kako odkriti razliko.)
Mit 1: Več podatkov je vedno bolje
To je res eden največjih mitov strojnega učenja. Ljudje mislijo, da več podatkov pomeni večjo sposobnost prilagajanja dejanskih spoznanj. V nekaterih primerih imajo prav, bolj pogosto pa je lahko obratno.
