Table des matières:
Ce n'est pas une chose à prendre à la légère - commencer avec un projet de machine learning peut être un processus intimidant pour les cadres qui souhaitent tirer parti de cette tendance informatique mais peuvent ne pas avoir les connaissances internes pour vraiment comprendre les tenants et les aboutissants de ce qui fait la machine les projets d'apprentissage cochent.
Nous parlerons ici de certaines des idées fausses de base qui ont un impact sur la façon dont les entreprises développent des technologies d'apprentissage automatique dans un marché en évolution rapide. (La science des données est un autre domaine que les entreprises mettent en œuvre, mais en quoi est-il différent du ML? Découvrez-le en science des données ou en apprentissage automatique? Voici comment repérer la différence.)
Mythe n ° 1: plus de données, c'est toujours mieux
C'est vraiment l'un des plus grands mythes de l'apprentissage automatique. Les gens pensent que plus de données signifie plus de capacité à affiner les informations exploitables. Dans certains cas, ils ont raison, mais le plus souvent, l'inverse peut être vrai.
