Machine Learning clasico vs Deep Learning: ¿cuando usar cada uno?
Ventajas del ML clasico
Aunque el Deep Learning suena mas moderno y espectacular, el Machine Learning clasico sigue siendo la mejor opcion en muchas situaciones:
Rapido de entrenar
Se entrena en segundos o minutos, no en horas o dias. No teneis que esperar una eternidad para ver resultados.
Puedes entender QUE ha decidido y POR QUE
Las decisiones son transparentes: podeis ver exactamente que reglas ha aprendido. Esto es super importante en medicina o justicia, donde necesitas explicar por que se ha tomado una decision.
Funciona con pocos datos
No necesita millones de ejemplos para aprender. Con cientos o miles ya funciona bien. Perfecto cuando no teneis tantos datos.
No necesita un superordenador
Se ejecuta en un portatil normal. No necesitais comprar tarjetas graficas carisimas ni alquilar servidores en la nube.
Regla de oro de los ingenieros de IA
"Empieza siempre con lo mas simple. Si un algoritmo clasico funciona bien, no necesitas Deep Learning. No uses un cohete para ir a comprar el pan."
Comparacion directa
Aqui teneis las diferencias principales entre el ML clasico y el Deep Learning:
| Aspecto | ML Clasico | Deep Learning |
|---|---|---|
| Datos necesarios | Cientos o miles | Miles o millones |
| Tiempo de entrenamiento | Segundos o minutos | Horas, dias o semanas |
| Hardware (ordenador) | Un portatil normal | GPUs potentes (tarjetas graficas caras) |
| ¿Se puede entender que ha hecho? | Si, puedes ver las reglas | Dificil (es como una caja negra) |
| Datos en tablas (hojas de calculo) | Excelente | No siempre es mejor |
| Imagenes, texto y audio | Limitado | Muy superior |
| Coste economico | Bajo (casi gratis) | Alto (entrenar GPT-4 costo ~100 millones de dolares) |
Idea clave
El ML clasico es rapido, barato, transparente y funciona con pocos datos. El Deep Learning es mejor para imagenes, texto y audio, pero necesita mucho mas tiempo, datos y dinero. Lo mas inteligente es empezar siempre por lo mas simple.