Dobór właściwego rozwiązania

Felix planuje kwartalne zadania dla swojego zespołu ds. uczenia maszynowego w firmie ubezpieczeń zdrowotnych. Wie, że niektóre zadania wymagają uczenia głębokiego ze względu na złożony charakter danych wejściowych. Inne z kolei wymagają podejścia opartego na wyjaśnialnej sztucznej inteligencji, ponieważ ważne jest uzasadnienie każdej klasyfikacji.