'

Коллективный разум в Интернет маркетинге

Понравилась презентация – покажи это...





Слайд 0

Коллективный разум в Интернет маркетинге Икрам Магжан ikmake9@gmail.com


Слайд 1

Содержание Что такое коллективный разум? Машинное обучение Рекомендация товара на основе коллаборативной фильтраций Литература


Слайд 2

Что такое коллективный разум? Коллективный разум в жизни Задача1 Хотим посетить кинотеатр, но не знаем на какой фильм идти лучше Решение: Спрашиваем у людей, которые посмотрели Рецензия зрителей Оценка кинокритиков Задача2 Хотим купить новую художественную литературу, но не знаем какую выбрать Решение: Смотрим отзывы людей, которые читали эту книжку


Слайд 3

В 2006 году Компания Netflix занимающийся онлайн прокатом DVD, объявляет конкурс на 1 млн. долларов по улучшению точности системы рекомендования фильмов на 10%. 2007 году победителю удалось добиться улучшения на 7%. Пользуясь данными о том, какие фильмы нравятся пользователям, Netflix удается рекомендовать своим клиентам такие фильмы, о которых они даже не слышали. В 1998 году запускается новая поисковая машина Google, когда на рынке уже имелось несколько крупных поисковых систем. Основатели разработали новый подход к ранжированию результатов поиска, основанный на использовании ссылок с миллионов сайтов. В 2004 году поисковик обслуживал 85% всех поисковых запросов всего Интернета. Общее между этими компаниями: выстроили бизнес на применении изощренных алгоритмов объединения данных, полученных от множества людей.


Слайд 4

Что такое коллективный разум? Определение Извлечение нового знания из объединенных предпочтений, поведения и представлений некоторой группы.


Слайд 5

Каким образом извлечь полезную информацию?


Слайд 6

Машинное обучение или анализ данных(Data Mining) Определение подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться.  Некоторые задачи машинного обучения Задача классификации Задача восстановления регрессии Задача кластеризации


Слайд 7

Машинное обучение Задача классификации Имеются набор реклам(товаров, новостей и т.д.), которых нужно отобразить на сайте посетители и пользователи этого сайта. Какие из реклам нужно показать для определенного пользователя, чтобы тот «кликал» по ним? Для пользователя имеем: Историю продаж Историю посещения страниц


Слайд 8

Машинное обучение Обучающая выборка История продаж История посещения страниц Требуется Построить алгоритм(классификатор), который по набору признаков реклам(товаров, новостей и т.д.) определяет отображать(1-класс) данные на сайте для данного пользователя или нет(2-класс).


Слайд 9

Примеры задач классификации Медицинская диагностика: по набору медицинских характеристик требуется поставить диагноз Геологоразведка: по данным зондирования почв определить наличие полезных ископаемых Оптическое распознавание текстов: по отсканированному изображению текста определить цепочку символов, его формирующих Кредитный скоринг: по анкете заемщика принять решение о выдаче/отказе кредита Синтез химических соединений: по параметрам химических элементов спрогнозировать свойства получаемого соединения


Слайд 10

Рекомендация товара на основе коллаборативной фильтрации Рекомендацию можно получить достаточно спросив у друзей, знакомых и т.д. Но по мере увеличения количества предложений становится все менее практично основывать решение на основе небольшой группы людей


Слайд 11

Рекомендация товара на основе коллаборативной фильтрации Коллаборативная фильтрация просматривает большую группу людей и отыскивает в ней меньшую группу с такими же вкусами, как у вас. смотрит, какие еще вещи им нравятся, объединяет предпочтения создает ранжированный список предложений


Слайд 12


Слайд 13


Слайд 14


Слайд 15


Слайд 16


Слайд 17


Слайд 18

Рекомендация товара на основе коллаборативной фильтрации Рассмотрим систему рекомендаций фильмов для определенного пользователя на основе оценок кинокритиков


Слайд 19

Рекомендация товара на основе коллаборативной фильтрации Сбор данных о предпочтениях Язык программирования Python Способ преставления кинокритиков – вложенный словарь


Слайд 20

Рекомендация товара на основе коллаборативной фильтрации Нахождение похожих критиков Собрав данные, нужно определить насколько их вкусы схожи Оценка подобия Коэффициент корреляции Пирсона Евклидовое расстояние Манхэттенское расстояние Метрика Махаланобиса


Слайд 21

Рекомендация товара на основе коллаборативной фильтрации Коэффициент корреляции Пирсона - выборочные дисперсии - выборочные средние - выборки


Слайд 22

Рекомендация товара на основе коллаборативной фильтрации Коэффициенты корреляции Пирсона


Слайд 23

Рекомендация товара на основе коллаборативной фильтрации Ранжирование критиков С помощью оценки подобия ищем наилучшее соответствие между критиками Ищем кинокритиков с таким или наиболее схожим со вкусом пользователя


Слайд 24

Ранжирование критиков Рекомендация товара на основе коллаборативной фильтрации


Слайд 25

Рекомендация товара на основе коллаборативной фильтрации Ранжирование фильмов Вычисляется взвешенная сумма оценок критиков Сортировка по получившимся результатам


Слайд 26

Рекомендация товара на основе коллаборативной фильтрации Результат


Слайд 27

Литература Сегаран Т. – Программируем коллективный разум, O’Reilly, 2008 г. Ветров Д. П., Кропотов Д. А. – Байесовские методы машинного обучения, Курс лекции Дьяконов А.Г. – Анализ данных, обучение по прецедентам, Издательский отдел факультета ВМК МГУ имени Ломоносова, 2010 www.machinelearning.ru – Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных.


Слайд 28

Спасибо за внимание!


×

HTML:





Ссылка: