,Privacy:
Quality:
Exactitud y fiabilidad,
Machine Bias es la inclusión de los prejuicios y sesgos de los datos que se usan para
crear algoritmos de machine learning.
Cost:
Latency;
,pros
Because
Exactos y hechos a medida de casos de uso especificos
Cons
(los costos pueden ser muy altos)
Security-privacy
La fuga de datos puede ser catastrófica.
Vendor lock-in
Puede ser un problema para cortes de versines, obsolescencia, y otras limitaciones
Dependiendo solo de un proveedor
Pros
, CONS
Es el proceso de entrenamiento adicional de modelos previamente entrenados en tareas o
conjuntos de datos específicos para adaptarlos a una aplicación o dominio en particular
USING OPEN SOURCE MODELS:
TWO OPTIONS:
USING THEM AS THEY ARE
OR
FINE-TUNING THEM based on your specific use case
SOME PROPIETARY MODELS , ALSO ALLOW FOR FINE-TUNNING
Quality:
Exactitud y fiabilidad,
Machine Bias es la inclusión de los prejuicios y sesgos de los datos que se usan para
crear algoritmos de machine learning.
Cost:
Latency;
,pros
Because
Exactos y hechos a medida de casos de uso especificos
Cons
(los costos pueden ser muy altos)
Security-privacy
La fuga de datos puede ser catastrófica.
Vendor lock-in
Puede ser un problema para cortes de versines, obsolescencia, y otras limitaciones
Dependiendo solo de un proveedor
Pros
, CONS
Es el proceso de entrenamiento adicional de modelos previamente entrenados en tareas o
conjuntos de datos específicos para adaptarlos a una aplicación o dominio en particular
USING OPEN SOURCE MODELS:
TWO OPTIONS:
USING THEM AS THEY ARE
OR
FINE-TUNING THEM based on your specific use case
SOME PROPIETARY MODELS , ALSO ALLOW FOR FINE-TUNNING
