Главная Новости Галерея Вопросы Библиотека Контакты

머신 러닝 예제

binge 빈 공간을 채우기 위해 새로운 시리즈가 필요하십니까? 넷플릭스는 하나를 추천 할 수 있습니다. 사실, 그것은 아마 이미 -그냥 홈페이지를 확인. Netflix는 머신 러닝을 사용하여 방대한 TV 프로그램 및 영화 컬렉션을 선별하여 수백만 명의 사용자의 스트리밍 역사와 습관을 활용하여 개별 시청자가 즐길 수 있는 것을 예측합니다. 이미지 인식은 기계 학습의 가장 일반적인 용도 중 하나입니다. 개체를 디지털 이미지로 분류할 수 있는 많은 상황이 있습니다. 예를 들어 흑백 이미지의 경우 각 픽셀의 강도가 측정 중 하나로 제공됩니다. 컬러 이미지에서 각 픽셀은 빨간색, 녹색 및 파란색(RGB)의 세 가지 색상으로 3가지 강도 측정을 제공합니다. 2015년 Pinterest는 머신 러닝 기술(특히 콘텐츠 검색 및 추천 알고리즘)의 상용 응용 을 전문으로 하는 기계 학습 회사인 Kosei를 인수했습니다. 딥 러닝은 인공 신경망에 의존하는 기계 학습 방법으로, 컴퓨터 시스템이 예제로 학습할 수 있도록 합니다.

대부분의 경우 딥 러닝 알고리즘은 생물학적 신경계에서 발견되는 정보 패턴을 기반으로 합니다. 인공 지능과 기계 학습은 최근 역사에서 가장 중요한 기술 발전 중 하나입니다. 기계 학습과 매우 비슷하지만 기계 학습 기술의 많은 응용 프로그램이 보이지 않는 것처럼 «중단»(선호하는 용어를 빌려) 생활을 약속하는 분야는 거의 없습니다. 학습 협회는 제품 간의 다양한 연관성에 대한 통찰력을 개발하는 과정입니다. 좋은 예는 관련없는 제품을 서로 연결할 수 있는 방법입니다. 기계 학습의 응용 프로그램 중 하나는 사람들이 구매하는 제품 간의 연관성을 연구하는 것입니다. 사람이 제품을 구입하는 경우, 그는 두 제품 사이에 관계가 있기 때문에 유사한 제품을 표시됩니다. 시장에 출시 된 새로운 제품이 출시되면 이전 제품과 연결되어 판매량을 늘릴 수 있습니다.

유능한 ML 디자이너의 공급은 아직이 수요를 따라 잡지 못했습니다. 이것에 대한 주요 이유는 ML이 단지 평범한 까다로운 것입니다. 이 기계 학습 자습서에서는 ML 이론의 기본 을 소개하고 공통 된 주제와 개념을 내려 놓고 논리를 쉽게 따르고 기계 학습 기본 사항에 익숙해지도록합니다. 기계 학습은 기계가 잘못된 것이 아니라 올바른 것을 배우도록 보장하는 데 수반되는 많은 미묘한 복잡성으로 인해 많은 헌신과 연습을 필요로 합니다. 기계 학습을위한 훌륭한 온라인 과정은 앤드류 Ng의 코스라 과정입니다. 이 두 컨퍼런스에서 본 최고의 세션은 Uber와 ZocDoc에서 나왔습니다. 이 게시물에서는 해당 세션의 주요 요차지와 팀이 이러한 교훈을 자신의 기계 학습 워크플로우에 통합하는 방법에 대해 설명합니다. 다음은 쿠키 품질 테스트 연구의 결과로, 교육 예제는 모두 파란색으로 «좋은 쿠키»(y = 1) 또는 빨간색 «나쁜 쿠키»(y = 0)로 표시되어 있습니다. 딥 러닝은 Facebook이 분당 293,000회 자신의 상태를 업데이트하여 거의 20억 명이 생성한 비정형 데이터 집합의 더 큰 부분에서 가치를 창출하는 데 도움을 주고 있습니다. 딥 러닝 기술의 대부분은 딥 러닝 기술과 신경망에 중점을 둔 Torch 플랫폼을 기반으로 합니다. 패션 소매업체 인 Asos는 기계 학습을 사용하여 고객 평생 가치(CLTV)를 결정합니다.

이 메트릭은 시간이 지남에 따라 특정 고객으로부터 비즈니스가 받는 순이익을 추정합니다. 아소스의 경우 CLTV는 어떤 고객이 Asos에서 제품을 계속 구매할 가능성이 있는지 보여줍니다. 이 결정되면, 아소스는 높은 CLTV 고객을 우선 순위를 지정하고 주위에 더 많은 시간을 지출하도록 설득 할 수 있습니다. 소매 업체는 낮은 CLTV에 돈을 잃고 끝낼 수 있기 때문에 (무료 배송 또는 무시 마케팅 프로모션 같은 것 들), 이 모델은 아소스 는 이익을 선회 보장.