Съдържание:
Не е нещо да се вземе леко - стартирането с проект за машинно обучение може да бъде обезсърчителен процес за мениджърите, които искат да се възползват от тази ИТ тенденция, но може да липсват вътрешните знания, за да разберат истинската информация за това, което прави машината учебни проекти отметка.
Тук ще говорим за някои от основните погрешни схващания, които оказват влияние върху начина, по който компаниите развиват технологиите за машинно обучение на бързо променящ се пазар. (Науката за данните е друга област, която бизнесът внедрява, но как тя се различава от ML? Разберете в Data Science или машинно обучение? Ето как да откриете разликата.)
Мит №1: Повече данни са винаги по-добри
Това наистина е един от най-големите митове за машинно обучение. Хората смятат, че повече данни означава повече способност да се пренасочва към полезни данни. В някои случаи те са прави, но по-често обратното може да бъде вярно.
