- В своей знаменитой книге «Машинное обучение» Том Митчелл определил машинное обучение как «изучение компьютерных алгоритмов, которые автоматически улучшаются благодаря опыту».
- Алгоритм обучается автоматически в цикле, но люди должны установить правила для этого процесса обучения.
- По сравнению со стандартным статистическим моделированием машинное обучение экономит время, поскольку специалист по моделированию данных должен самостоятельно вносить улучшения, в то время как алгоритм машинного обучения использует большой объем данных для принятия точных решений.
- Возможность записать функцию и окончательный прогноз для машинного обучения — вот что отличает его от искусственного интеллекта. В ИИ функция неизвестна, и часто ее невозможно записать в явном математическом виде.
Использование машинного обучения в цифровом маркетинге
- Его можно использовать для анализа отзывов клиентов в магазине электронной коммерции. Эти обзоры представляют собой набор неупорядоченных текстовых файлов, которые необходимо классифицировать.
- Другой пример — каналы социальных сетей для анализа настроений.
- Для кластерного анализа (для поиска подгрупп с общими базовыми паттернами).
Искусственный интеллект
- это наука и инженерия о том, как заставить компьютеры вести себя таким образом, который до недавнего времени считался требующим человеческого интеллекта.
- Когда мы говорим об ИИ в наши дни, люди думают о Siri, Alexa и других «умных» помощниках. Эти цифровые помощники могут выполнять за вас некоторые основные задачи.
- Термин искусственный интеллект впервые был использован в 1956 году группой исследователей, в которую входили Аллен Ньюэлл и Герберт А. Саймон.
Искусственные нейронные сети
- Эти сети пытаются имитировать человеческие нейронные сети, существующие в нашем мозгу. Это класс алгоритмов, которые моделируют связи между нейронами.
- Нейронные сети популярны и широко используются в медицинских исследованиях, особенно в биоинформатике для предсказания последовательности ДНК, классификации профилей экспрессии генов и т. д.
Глубокое обучение
- Это особый подход, используемый для построения и обучения нейронных сетей.
- Входные данные проходят через ряд нелинейностей или нелинейных преобразований.
- Глубокое обучение на самом деле является частью машинного обучения.
Глубокое обучение в CRO
- Интеллектуальный чат-бот, который на самом деле использует искусственный интеллект, может помочь вам быстро и эффективно улучшить поддержку клиентов или значительно сократить процесс продажи.
- Интернет-магазины могут реализовать функцию «люди, которые купили это, также купили» с помощью тегов продуктов, однако глубокое обучение может предоставить гораздо более интересный набор данных.
Ловушка персонализации
- Существует ловушка чрезмерной персонализации в рекламе, поиске, контенте в социальных сетях и т. д.
- Это называется эффектом фильтрующего пузыря или эхо-камерой, недавно описанным Jiang et al.
Эволюционные алгоритмы в экспериментах
- Использование ИИ для оптимизации коэффициента конверсии — это гораздо больше, чем просто чат-боты, персонализированная реклама или профили.
- В эволюционном алгоритме есть пять основных этапов: (выбор) популяция, оценка с помощью функции пригодности, отбор, кроссовер и мутация. На первом этапе мы выбираем популяцию, характеризующуюся определенным набором переменных (генов).
Заключение
- Генетические алгоритмы — очень гибкий инструмент. Вы можете указать более одной фитнес-функции для каждого сегмента, в котором вы хотите найти победителя. И каждый сегмент может иметь разные критерии фитнес-функции.
Это краткая версия статьи, первоначально написанной в Блоге Invesp.