¡Ninguno! ¡Ambos!
El aprendizaje automático es un campo interdisciplinario que reúne diversos temas computacionales y matemáticos, incluyendo estadísticas, optimización, algoritmos, teoría de redes, teoría de grafos y teoría de la información. Y, ocasionalmente, se busca inspiración en la neurociencia, la teoría evolutiva y quizás también la economía.
El aprendizaje automático (ML) suele estar orientado a la aplicación, por lo que está más cerca de la tecnología / ingeniería que de la ciencia tradicional (como lo demuestra la física, la química y la biología).
No todos los que usan ML son científicos, pero el pensamiento científico es necesario para la investigación de vanguardia de ML. Los métodos y algoritmos de ML deben estudiarse como fenómenos en sí mismos .
- ¿Cuáles son algunas de las mejores prácticas para mantener un cuaderno de laboratorio moderno?
- ¿Cuáles son los cargos académicos más prestigiosos del mundo?
- ¿Está mal encontrar la felicidad en nuestras creencias?
- ¿Cómo sería el universo sin formas de vida / seres vivos?
- Si la gravedad es función de la masa y la energía, ¿debería jugar un papel la temperatura?
Curiosamente, varios aspectos de los algoritmos de aprendizaje automático exitosos siguen siendo parcialmente entendidos. De hecho, todavía no entendemos completamente por qué ciertos métodos de LD funcionan tan bien como lo hacen. Un artículo reciente o arXiv analiza algunos aspectos de este tema fascinante:
Comprender el aprendizaje profundo requiere repensar la generalización