[ABE-L] Machine learning 'causing science crisis'

[Basilio de Braganca Pereira]

Acho que este não é o problema . Temos duas culturas na estatística : data- modeling culture - teoria em busca de dados ou hipothesis driven experiments e a algorithm- modeling culture -  data in search of a theory or data- driven hypothesis. ( see Pereira e Pereira 2016 pg 2 )
O problema é usa- las corretamente e quando em cada caso. 
Nenhuma é a panaceia que se apregoa
Basilio

Enviado do meu iPhone

Em 18 de fev de 2019, à(s) 16:05, pam em ime.usp.br escreveu:

> Diz a doutora:
> 
> But, according to Dr Allen, the answers they come up with are likely to be inaccurate or wrong because the software is identifying patterns that exist only in that data set and not the real world.
> 
> Grande coisa: isso vale para Machine Learning e Statistical Learning; o que fazem os estatísticos senão analisar dados e inferir?
> 
> O grande problema que vejo é que esse pessoal (geralmente da área de computação) analisa dados sem ter uma hipótese em mente, ou seja, analisa por analisar.
> 
> Pedro
> 
> 
> Citando "Artur Lemonte por (abe)" <abe em lists.ime.usp.br>:
> 
>> Car*s, 
>> Ao usuários e "defensores" do <machine learning>, acho que vale a leitura!
>> Machine learning 'causing science crisis'
>> 
>> 
>> |
>> |
>> |
>> |  |  |
>> 
>> |
>> 
>> |
>> |
>> |  |
>> Machine learning 'causing science crisis'
>> 
>> Techniques used to analyse data are producing misleading and often wrong results, critics say.
>> |
>> 
>> |
>> 
>> |
>> 
>> 
>> 
>> [ ]'s, AL.
> 
> 
> 
> _______________________________________________
> abe mailing list
> abe em lists.ime.usp.br
> https://lists.ime.usp.br/listinfo/abe