La potencia y promesa de machine learning ha creado una demanda de experiencia que supera la oferta de científicos de datos especializados en este área. Como respuesta a esta brecha de habilidades, hemos visto emerger herramientas como machine learning Automatizado (AutoML) que pretenden facilitar a personas sin expertise, la automatización de inicio a fin del proceso de selección y entrenamiento de modelos. Algunos ejemplos incluyen AutoML de Google, DataRobot, y the H2O AutoML interface. Aunque hemos visto resultados promisorios para estas herramientas, recomendamos a los negocios precaución al considerarlas como la suma total de su camino en el aprendizaje de máquinas. Tal y como se advirtió en H2O website, “todavía hay una buena cantidad de conocimiento y experiencia en ciencia de datos que es requerida para producir modelos de alto rendimiento de machine learning.”. La confianza ciega en técnicas de automatización también incrementa el riesgo de introducir sesgos éticos o tomar decisiones que desfavorecen a minorías. Si bien éstas herramientas son un punto de partida para generar modelos entrenados útiles, promovemos la búsqueda de data scientists con experiencia para validar y refinar los resultados.
