Enable javascript in your browser for better experience. Need to know to enable it? Go here.
radar blip
radar blip

Aprendizaje automático más simple posible

Publicado : Apr 13, 2021
NO EN LA EDICIÓN ACTUAL
Este blip no está en la edición actual del Radar. Si ha aparecido en una de las últimas ediciones, es probable que siga siendo relevante. Si es más antiguo, es posible que ya no sea relevante y que nuestra valoración sea diferente hoy en día. Desgraciadamente, no tenemos el ancho de banda necesario para revisar continuamente los anuncios de ediciones anteriores del Radar. Entender más
Apr 2021
Trial ? Vale la pena intentarlo. Es importante entender cómo construir esta habilidad. Las empresas deberían implementar esta tecnología en un proyecto que pueda manejar el riesgo.

Todos los proveedores grandes de la nube ofrecen una gama deslumbrante de soluciones de aprendizaje automático. Estas poderosas herramientas pueden proveer mucho valor, aunque tienen costos asociados. Existe el costo puro por la ejecución de estos servicios, cobrado por el proveedor de la nube. Además, hay una especie de impuesto a su operación. Estas herramientas complejas necesitan ser entendidas y operadas, y con cada nueva herramienta que se agrega a la arquitectura, esta carga impositiva se incrementa. En nuestra experiencia, muchas veces los equipos eligen herramientas complejas porque menosprecian el poder de herramientas más sencillas como la regresión lineal. Muchos de los problemas de aprendizaje automático no necesitan de una GPU ni de redes neuronales. Por esta razón recomendamos utilizar el aprendizaje automático más simple posible , aprovechando herramientas y modelos sencillos, algunos cientos de líneas de código Python, en la plataforma de cómputo que esté más a la mano. Se debe dejar las herramientas complejas solo para cuando se pueda demostrar su necesidad.

Descargar Radar Tecnológico Volumen 29

 

English | Español | Português | 中文

Mantente informado sobre la tecnología

 

Suscríbete ahora

Visita nuestro archivo para leer los volúmenes anteriores