Ya no actualizamos el servicio Amazon Machine Learning ni aceptamos nuevos usuarios para él. Esta documentación está disponible para los usuarios actuales, pero ya no la actualizamos. Para obtener más información, consulte Qué es Amazon Machine Learning.
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Es importante recordar que el aprendizaje automático no es una solución para todo tipo de problemas. Existen determinados casos en los que se pueden desarrollar soluciones sólidas sin usar técnicas de aprendizaje automático. Por ejemplo, el aprendizaje automático no es necesario si puede determinar un valor de referencia a través de sencillas reglas, cálculos o pasos predeterminados que pueden programarse sin necesidad de ningún tipo de aprendizaje basado en datos.
Puede utilizar el aprendizaje automático para las siguientes situaciones:
No puede codificar las reglas: muchas tareas humanas (como reconocer si un mensaje de correo electrónico es spam o no) no pueden resolverse adecuadamente mediante una sencilla solución basada en reglas. La respuesta puede estar influenciada por un gran número de factores. Cuando las reglas dependen de demasiados factores y muchas de estas reglas se solapan o deben ajustarse muy detenidamente, es difícil para una persona codificar las reglas de manera precisa. El aprendizaje automático es útil para resolver este problema de manera eficaz.
No puede escalar: es posible que pueda reconocer unos cuantos centenares de correos electrónicos y decidir si son spam o no manualmente. Sin embargo, esta tarea pasa a ser tediosa si se trata de millones de correos electrónicos. Las soluciones de aprendizaje automático son eficaces para la gestión de problemas a gran escala.
