W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Return on Investment in Machine Learning: Crossing the Chasm between Academia and Business

Autorzy

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2020

Opublikowano w

Foundations of Computing and Decision Sciences

Rocznik: 2020 | Tom: vol. 45 | Numer: no. 4

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • applied machine learning
  • machine learning teaching
  • machine learning engineering
Streszczenie

EN Academia remains the central place of machine learning education. While academic culture is the predominant factor influencing the way we teach ma-chine learning to students, many practitioners question this culture, claiming the lack of alignment between academic and business environments. Drawing on professional experiences from both sides of the chasm, we describe the main points of contention, in the hope that it will help better align academic syllabi with the expectations to-wards future machine learning practitioners. We also provide recommendations for teaching of the applied aspects of machine learning.

Data udostępnienia online

16.12.2020

Strony (od-do)

281 - 304

DOI

10.2478/fcds-2020-0015

URL

https://content.sciendo.com/view/journals/fcds/45/4/article-p281.xml

Typ licencji

CC BY-NC-ND (uznanie autorstwa - użycie niekomercyjne - bez utworów zależnych)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja autorska

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

20

Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021

40

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.