机构名称：
¥ 1.0
不当使用 AutoML 的公司——其中最严重的问题是，当 AutoML 在其专业范围之外使用时，可能会产生错误的输出、未发现的偏见以及缺乏可解释性。正是这些危险引起了数据科学界的担忧。但是，如果组织能够注意到这些问题，并就 AutoML 的潜力与数据科学家进行公开讨论，那么他们不仅能够更好地应对当前的人才缺口，还能让数据科学家腾出时间去做他们真正感兴趣的任务。在前面提到的制造公司，数据科学家很高兴他们不再需要在当地工厂运行每一项标准化任务，而是可以专注于真正需要他们深厚专业知识的任务。
重新思考人工智能人才战略作为自动化机器......
主要关键词
相关文件推荐
