ML supervisado:

• Una ventaja del ML supervisado es la certeza de que el algoritmo dará con la respuesta que nosotros estamos esperando debido a que previamente nos aseguramos de validar la información para su entrenamiento.

• Una desventaja que veo del ML supervisado es que se necesita obligatoriamente la información precisa para poder echar andar el modelo o solucionar un problema. En dado caso que no se tenga la data, entonces no podría echar a andar.

• Otra desventaja tal vez seria que si dependiera el algoritmo de los datos de entrenamiento y estos llegaran a cambiar mucho entonces podrían existir problemas, dado que aun esta el problema del overfiting.

ML no supervisado:

• La ventaja es que es útil para agrupar información en la cual no tenemos certeza de como clasificarla.

• Desventaja seria como mencionan que no tendríamos la certeza o la seguridad de lo que esta haciendo esta al 100 preciso.

ML supervisado:

• Una ventaja del ML supervisado es la certeza de que el algoritmo dará con la respuesta que nosotros estamos esperando debido a que previamente nos aseguramos de validar la información para su entrenamiento.

• Una desventaja que veo del ML supervisado es que se necesita obligatoriamente la información precisa para poder echar andar el modelo o solucionar un problema. En dado caso que no se tenga la data, entonces no podría echar a andar.

• Otra desventaja tal vez seria que si dependiera el algoritmo de los datos de entrenamiento y estos llegaran a cambiar mucho entonces podrían existir problemas, dado que aun esta el problema del overfiting.

ML no supervisado:

• La ventaja es que es útil para agrupar información en la cual no tenemos certeza de como clasificarla.

• Desventaja seria como mencionan que no tendríamos la certeza o la seguridad de lo que esta haciendo esta al 100 preciso.

ML supervisado:

• Una ventaja del ML supervisado es la certeza de que el algoritmo dará con la respuesta que nosotros estamos esperando debido a que previamente nos aseguramos de validar la información para su entrenamiento.

• Una desventaja que veo del ML supervisado es que se necesita obligatoriamente la información precisa para poder echar andar el modelo o solucionar un problema. En dado caso que no se tenga la data, entonces no podría echar a andar.

• Otra desventaja tal vez seria que si dependiera el algoritmo de los datos de entrenamiento y estos llegaran a cambiar mucho entonces podrían existir problemas, dado que aun esta el problema del overfiting.

ML no supervisado:

• La ventaja es que es útil para agrupar información en la cual no tenemos certeza de como clasificarla.

• Desventaja seria como mencionan que no tendríamos la certeza o la seguridad de lo que esta haciendo esta al 100 preciso.