Marketing Digital

Aprendizado de máquina 101 – Blackboard Friday


O aprendizado de máquina está crescendo em importância para quem trabalha no mundo digital, mas muitas vezes pode parecer um tópico inacessível. Não precisa ser assim, e você não precisa perder a vantagem competitiva que ela pode oferecer quando se trata de automatizar tarefas de SEO. Coloque seu limite técnico de SEO e prepare-se para fazer anotações, porque Britney Muller está nos conduzindo pelo Machine Learning 101 no episódio desta semana do Whiteboard Friday.

Clique na imagem acima para abrir uma versão em alta resolução em uma nova guia!

Transcrição de vídeo

Olá, fãs do Moz. Bem-vindo a outra edição do Whiteboard Friday. Hoje estou falando de tudo relacionado ao aprendizado de máquina, algo que, como muitos de vocês sabem, adoro e adoro conversar. Felizmente, isso gera uma semente em alguns de vocês para explorar um pouco mais, porque é realmente uma das coisas mais poderosas que acontecem em nosso espaço há muito tempo.

O que é aprendizado de máquina?

Portanto, uma breve descrição, em poucas palavras, o aprendizado de máquina é na verdade um subconjunto da IA, e alguns diriam que ainda não atingimos a inteligência artificial. Mas é apenas uma faceta da IA ​​geral.

Programação tradicional

A melhor maneira de pensar sobre isso é comparada à programação tradicional. Em seguida, na programação tradicional, insira dados e um programa em um computador e saia, seja uma página da Web ou uma calculadora que você criou on-line, qualquer que seja.

Aprendizado de máquina

Com o aprendizado de máquina, o que você faz é inserir os dados e a saída desejados e colocá-los no computador, e você obtém um programa, também conhecido como modelo de aprendizado de máquina. Portanto, é um pouco virado e funciona extremamente bem. Existem Dois tipos principais de aprendizado de máquina:

  1. Você tem supervisionado, que é onde você está basicamente alimentando um modelo com dados de treinamento
  2. E então sem supervisão, que é onde você está alimentando os dados de um programa e permitindo que ele crie grupos ou associações entre pontos de dados.

A supervisão é um pouco mais comum. Você verá coisas como classificação, regressão linear e reconhecimento de imagem. Coisas assim são muito comuns. Se você pensa em aprendizado de máquina em termos de, tudo bem, existem todos esses dados que você está colocando no modelo, os dados são a maioria do aprendizado de máquina. Muitas pessoas argumentam que, se o aprendizado de máquina fosse um veículo, os dados seriam combustível.

É uma parte realmente importante do entendimento, porque, a menos que você tenha os tipos certos de dados para alimentar um modelo, não obterá o resultado desejado.

Um exemplo de modelo de aprendizado de máquina

Então, vamos ver um exemplo. Se você deseja criar um modelo de aprendizado de máquina que preveja os preços da habitação, pode ter todas essas informações.

Você pode ter o preço atual, o metro quadrado dessas casas, o terreno, o número de banheiros, o número de quartos, qualquer que seja. Isso continua e continua. Estes também são conhecidos como caracteristicas. Portanto, o que um modelo tentará fazer, quando você inserir todos esses dados, tentará entender as associações entre essas informações e criará um modelo que prediz melhor os preços da habitação no futuro.

O mais básico desses modelos de aprendizado de máquina é a regressão linear. Portanto, se você pensar em inserir os dados em que talvez apenas insira o preço e o metro quadrado, poderá ver os dados dessa maneira.

Você vê que, à medida que o metro quadrado aumenta, o preço também aumenta. Um modelo ao longo do tempo, observando esses dados, começará a encontrar a linha mais suave através dos dados para obter as previsões mais precisas no futuro.

O que você não quer que eu faça é ajustar cada ponto de dados e ter uma linha parecida com esta, também conhecida como sobreajuste, porque não funciona bem para novos pontos de dados. Você não deseja que um modelo seja calculado tanto em seu conjunto de dados que não preveja com precisão no futuro.

Uma maneira de ver isso é através da função de perda. Isso pode ser um pouco mais profundo nisso, mas é assim que você mede como a linha se encaixa. Vamos ver

Quais são as possibilidades de aprendizado de máquina em SEO?

Quais são algumas das possibilidades em SEO? Como podemos tirar proveito do aprendizado de máquina no espaço SEO?

Automatizar meta descrições

Portanto, existem algumas maneiras pelas quais as pessoas já estão fazendo isso: você pode automatizar as meta descrições observando o conteúdo da página e usando um modelo de máquina para resumir o texto. Então, isso literalmente resume o conteúdo para você e reduz a uma meta descrição. Pretty amazing

Automatizar títulos

Da mesma forma, eu poderia fazer isso por títulos, embora não sugira que você faça isso nas páginas principais. Isso não vai ser perfeito. Mas se você tem um site enorme, enorme, com centenas de milhares de páginas, leva-o até a metade. É realmente interessante começar a jogar nesse espaço com esses ótimos sites.

Automatize o texto alternativo da imagem

Você também pode automatizar texto alternativo para imagens. Vemos que esses modelos se tornam realmente bons para entender o que está em uma imagem.

Automatizar redirecionamentos 301

Com redirecionamentos 301, Paul Shapiro tem uma redação incrível e basicamente o processo para isso já.

Automatize a criação de conteúdo

Criação de conteúdo, e se isso assusta alguns de vocês ou se você duvida que esses modelos atualmente possam criar conteúdo decente, eu desafio você a consultar o Talk to Transformer.

É uma versão reduzida do OpenAI, fundada por Elon Musk. É incrível e é um pouco assustador o quão bom é o conteúdo desse modelo reduzido. Então isso é certamente possível no futuro e até hoje.

Automatize sugestões de produtos / páginas

Além de sugestões de produtos e páginas.

Então, isso só vai melhorar. Imagine fornecer conteúdo e UX especificamente para usuários únicos que visitam nosso site, conteúdo altamente personalizado, experiências altamente personalizadas. Coisas realmente emocionantes para continuar.

Recursos

Eu tenho alguns recursos que eu recomendo que você analise.

Google Codelabs É um dos meus favoritos, apenas porque o guia pelas etapas. Portanto, se você acessar o Google Codelabs, filtrar por TensorFlow ou aprendizado de máquina, poderá ver os possíveis exemplos lá. Os notebooks Colab ou Jupyter são onde você provavelmente fará todo o aprendizado de máquina que deseja fazer sozinho.

Kaggle.com É o recurso número um para competições de ciência de dados. Então você pode realmente ver quais são os exemplos, como as pessoas usam o aprendizado de máquina hoje. Você verá coisas como a TSA investiu mais de US $ 1 milhão para uma equipe de ciência de dados apresentar um modelo que prevê ameaças em potencial a partir de imagens de segurança.

Isso fica muito interessante muito rápido. Também é muito importante ter diversidade e inclusão neste espaço para evitar modelos realmente perigosos no futuro. Portanto, é algo para se pensar definitivamente.

TensorFlow É um ótimo recurso. Foi nisso que o Google lançou, e é no que muitos de seus modelos de aprendizado de máquina se baseiam. Eles têm uma ótima plataforma JavaScript com a qual você pode jogar.

Andrew Ng tem um incrível curso de aprendizado de máquina. Eu recomendo que você verifique.

Então Algoritmo É uma espécie de balcão único para modelos. Portanto, se você não deseja mergulhar no aprendizado de máquina e apenas quiser dizer um modelo de resumo ou um tipo específico de modelo, você pode encontrar um lá e fazer um tipo de plug-and-play.

Isso é bastante interessante e divertido de explorar. A última coisa é que um modelo de aprendizado de máquina é tão bom quanto os dados. Eu não posso expressar isso o suficiente. Portanto, muitos cientistas de aprendizado de máquina e dados, tudo é limpeza e análise de dados, e esse é o maior parte do trabalho nesse campo.

É importante estar ciente disso. Então é isso para o Machine Learning 101. Muito obrigado por se juntar a mim, e espero ver todos vocês em breve. Obrigada

Transcrição de vídeo por Speechpad.com


Se você gostou deste episódio do Whiteboard Friday, ficará encantado com todo o conhecimento avançado em SEO que obterá do nosso pacote de vídeo MozCon 2019, lançado recentemente. Obtenha conselhos técnicos mais úteis na palestra de Britney, além de 26 tópicos adicionais focados no futuro de nossos palestrantes de nível superior:

Faça as sessões agora!

Sugerimos que você programe uma boa troca de conhecimento à moda antiga com seus colegas para educar toda a equipe. Afinal, quem não gostou do dia de filmes na escola? ;-]



Fonte da Matéria

Artigos relacionados

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Botão Voltar ao topo
Fechar