Vatsal Ghiya, director ejecutivo y cofundador de Shaip, tiene 20 años de experiencia ofreciendo soluciones de inteligencia artificial para el cuidado de la salud para una mejor atención al paciente. En este artículo invitado, discutió la razón por la cual el Proyecto de aprendizaje automático falla y qué se debe tener en cuenta para que sea un éxito.
La conclusión clave del artículo es
- Si no está al tanto de la forma en que avanza con las nuevas tendencias tecnológicas, todo el proceso puede salir mal. Según VentureBeat, alrededor del 87 % de los proyectos de IA fallan debido a muchos factores intrínsecos. Y estas fallas también cuestan una gran pérdida de dinero en la parte comercial.
- La razón por la que estos proyectos de ML fallan es por falta de experiencia, volumen y calidad de datos deficientes, etiquetado erróneo, falta de colaboración adecuada, estrategia de datos anticuada, ausencia de un liderazgo eficiente y sesgo de datos desagradable.
- Si bien puede haber muchas razones por las que los proyectos de ML fallan, es importante tener en cuenta todos los indicadores si está implementando modelos de ML en su organización. Por lo tanto, es recomendable obtener un proveedor de servicios creíble de extremo a extremo para el manejo de proyectos de ML y obtener una mayor precisión y eficiencia.
Lea el artículo completo aquí:
