Πίνακας περιεχομένων:
Δεν είναι κάτι που πρέπει να λάβετε ελαφρώς - ξεκινώντας από ένα πρόγραμμα εκμάθησης μηχανών μπορεί να είναι μια αποθαρρυντική διαδικασία για τα στελέχη που θέλουν να επωφεληθούν από αυτή την τάση πληροφορικής, αλλά μπορεί να μην διαθέτουν τις εσωτερικές γνώσεις για να κατανοήσουν πραγματικά τα μέσα και τα άκρα του μηχανήματος τα μαθήματα μάθησης tick.
Εδώ θα μιλήσουμε για μερικές από τις βασικές παρανοήσεις που έχουν αντίκτυπο στον τρόπο με τον οποίο οι εταιρείες αναπτύσσουν τεχνολογίες μηχανικής μάθησης σε μια ταχέως μεταβαλλόμενη αγορά. (Η επιστήμη των δεδομένων είναι ένας άλλος τομέας που οι επιχειρήσεις υλοποιούν, αλλά πώς διαφέρει από το ML; Μάθετε στο Science Data ή στη Μηχανική Μάθηση;
Μύθος # 1: Περισσότερα δεδομένα είναι πάντα καλύτερα
Αυτός είναι πραγματικά ένας από τους μεγαλύτερους μύθους της μηχανικής μάθησης. Οι άνθρωποι πιστεύουν ότι περισσότερα δεδομένα σημαίνουν περισσότερη ικανότητα να ακονιστούν σε ενεργητικές γνώσεις. Σε ορισμένες περιπτώσεις, έχουν δίκιο, αλλά συχνότερα, το αντίστροφο μπορεί να είναι αλήθεια.
