VijfEnZeventig
Member
Zoals ik zei, alles waar je een functie f => f(x) = y leert vanuit data is supervised machine learning, ook al vind jij van niet, dit is immers de consensus binnen het domein. Een complex model fitten uit historische data is machine learning, hoe je het draait of keert. Ben content dat Sparrowhead dat dus ook kan bevestigen.
Zelf het domein waar jij aan denkt (wellicht reinforcement learning) kan je evenwel reduceren tot het leren van parameters in een vergelijking. Dit verwacht ik nu ook niet op de belgische markt, maar de rest van machine learning blijft nog steeds relevant.
Veel bedrijven zijn inderdaad niet klaar voor ML projecten, maar voor de meesten is dat op dit moment ook nog niet nodig. Ik verbaas me er van vaak hoeveel low-hanging fruit er nog is zonder dat er complexe dingen nodig zijn. Als je natuurlijk wel complexe dingen nodig hebt, moet je idd zorgen dat je geen zo'n data scientists aanneemt die enkel gemiddelden kunnen berekenen natuurlijk.
Mooi om te horen, dit is dus ongeveer wat ik bedoelde. Overal een neural netwerk op smijten is net als een appel snijden met een kettingzaag, het kan maar dat hoeft helemaal niet.
Veel dingen kun je gewoon oplossen met gemiddeldes en counts maar niet alles. Doen alsof dat dat het geval is zorgt waarschijnlijk voor gemiste opportuniteiten. Data is immers meer dan wat in een relationele database past, wat doe je met afbeeldingen of text?
De kunst van het beroep is toch wel de kennis hebben om uit te pakken met complexe dingen waar het nodig is. Dit geld immers ook voor BI dus geen idee waarom er hier nu wel moeilijk over gedaan wordt?
