Tak, jak najbardziej. Przede wszystkim więcej praktyki, również w pytaniu widzę takie algorytmy jak: SVM czy RF, one czasem działają całkiem dobrze. Zwykle boosting (np.
xgboost) działa od nich lepiej, bardziej stabilnej i szybciej oraz wymaga mniej czasu na naukę i predykcję.Kolejną wartością dodaną mogą być sieci neuronowe, gdzie np. można nauczyć się, jak przetwarzać obrazy.
Na samym końcu będę mówić o dobrych praktykach oraz wdrażaniu modeli na produkcję, co jest bardzo ważnym, lecz niestety pomijanym zagadnieniem. Ostatnie, ale najbardziej wartościowe, to przerobienie szeregu konkretnych przykładów, na których można wiele się nauczyć. Wtedy człowiek najlepiej zapamiętuje i zaczyna rozumieć, jak to wykorzystać w praktyce.