Fermer

octobre 25, 2019

Apprentissage automatique 101 – Vendredi tableau blanc9 minutes de lecture

Apprentissage automatique 101 - Vendredi tableau blanc


L'apprentissage automatique ne prend de plus en plus d'importance pour quiconque travaille dans le monde numérique, mais il peut souvent sembler être un sujet inaccessible. Cela ne doit pas forcément être – et vous ne devez pas manquer l'avantage concurrentiel que cela peut vous donner en matière d'automatisation des tâches de référencement. Mettez votre cap sur le référencement technique et préparez-vous à prendre des notes, car Britney Muller nous guide dans Machine Learning 101 dans l'épisode de Whiteboard Friday de cette semaine.

Cliquez sur l'image du tableau blanc ci-dessus pour ouvrir une version en haute résolution dans une nouvelle

Transcription de la vidéo

Salut les fans de Moz. Bienvenue dans une autre édition de Whiteboard Friday. Aujourd’hui, je parle de tout ce qui a trait à l’apprentissage automatique, à quelque chose, comme beaucoup d’entre vous le savent, je suis un passionné et un sujet qui me passionne. J'espère donc que cela incitera certains d'entre vous à l'explorer un peu plus loin, car c'est vraiment l'une des choses les plus puissantes qui se produisent dans notre espace depuis très longtemps.

Qu'est-ce que l'apprentissage machine?

Donc, pour résumer, l'apprentissage machine est en réalité un sous-ensemble de l'IA, et certains diraient que nous n'avons pas encore atteint l'intelligence artificielle. Mais ce n'est qu'une facette de l'IA globale.

Programmation traditionnelle

La meilleure façon de penser à cela est en comparaison avec la programmation traditionnelle. Ainsi, la programmation traditionnelle consiste à entrer des données et un programme dans un ordinateur et à en produire le résultat, qu’il s’agisse d’une page Web ou d’une calculatrice construite en ligne, quel que soit le résultat.

Apprentissage automatique

Si vous introduisez les données et la sortie souhaitée dans un ordinateur, vous obtenez un programme, également appelé modèle d’apprentissage automatique. Donc, c'est un peu inversé et cela fonctionne extrêmement bien. Il y a deux types principaux d'apprentissage automatique:

  1. Vous avez supervisé c'est-à-dire que vous alimentez un modèle de données de formation étiqueté,
  2. puis sans surveillance qui permet de créer des données de programme et de créer des grappes ou des associations entre des points de données.

Le supervisé est un peu plus commun. Vous verrez des choses comme la classification, la régression linéaire et la reconnaissance d'image. Des choses comme ça sont toutes très communes. Si vous envisagez l'apprentissage automatique en termes de, d'accord, il y a toutes ces données que vous intégrez dans le modèle, les données constituent l'essentiel de l'apprentissage automatique. Beaucoup de gens diraient que si l'apprentissage en machine était un véhicule, les données en étaient le carburant.

C'est une partie très importante à comprendre, car à moins de disposer des bons types de données pour alimenter un modèle, vous n'allez pas pour obtenir le résultat souhaité que vous souhaitez.

Un exemple de modèle d'apprentissage automatique

Voyons un exemple. Si vous souhaitez créer un modèle d’apprentissage automatique qui prédit le prix du logement, vous avez peut-être toutes ces informations.

Vous pourriez avoir le prix actuel, le pied carré de ces maisons, le terrain, le nombre de salles de bain, le nombre de chambres à coucher, vous l'appelez. Et ça continue, encore et encore. Celles-ci sont également connues sous le nom de traits . Donc, quel modèle va essayer de faire, quand vous introduisez toutes ces données, il va essayer de comprendre les associations entre ces informations et de créer un modèle qui prédit le mieux les prix des maisons à l'avenir.

La base de ces modèles d’apprentissage automatique est la régression linéaire. Donc, si vous envisagez de saisir les données là où vous insérez peut-être simplement le prix et le pied carré, vous pourrez les voir comme ceci.

Vous voyez que lorsque le pied carré augmente, le prix augmente également. Un modèle dans le temps, en examinant ces données, va commencer à trouver la courbe la plus uniforme possible pour obtenir les prévisions les plus précises à l’avenir.

Ce que vous ne voulez pas, c’est d’adapter chaque point de données et une ligne qui ressemble à cela – on parle aussi de surajustement – car elle ne convient pas aux nouveaux points de données. Vous ne voulez pas qu'un modèle soit calculé de telle sorte que votre jeu de données ne soit pas prédit avec précision à l'avenir.

Une façon de voir cela est d'utiliser la fonction de perte. Cela s’intéresse peut-être un peu plus, mais c’est ainsi que vous mesureriez l’adéquation de la ligne. Voyons voir.

Quelles sont les possibilités d'apprentissage automatique en référencement?

Quelles sont donc certaines des possibilités en référencement? Comment pouvons-nous tirer parti de l'apprentissage automatique dans l'espace SEO?

Automatiser les méta-descriptions

Les gens le font déjà de plusieurs façons. Vous pouvez automatiser les méta-descriptions en consultant le contenu de la page et en utilisant un modèle de machine pour résumer le texte. Donc, ceci résume littéralement le contenu pour vous et le réduit à une longueur de méta description. Assez incroyable.

Automatiser les titres

Vous pouvez également procéder de la sorte pour les titres, bien que je ne vous suggère pas de le faire pour les pages primaires. Cela ne va pas être parfait. Mais si vous avez un site Web énorme, avec des centaines de milliers de pages, cela vous mène à mi-chemin. C'est vraiment intéressant de commencer à jouer dans cet espace avec ces grands sites Web.

Automatiser le texte alternatif d'une image

Vous pouvez également automatiser le texte alternatif d'une image. Nous voyons ces modèles devenir vraiment doués pour comprendre le contenu d'une image.

Automatisation des redirections 301

des redirections 301, de Paul Shapiro dispose déjà d'une incroyable description et d'un processus de base pour cela.

Automatisez la création de contenu

. Si cela effraie certains d'entre vous ou si vous avez des doutes sur le fait que ces modèles permettent actuellement de créer un contenu correct, je vous mets au défi d'aller voir Talk to Transformer .

Il s'agit d'une version allégée d'OpenAI, qui a été fondée par Elon Musk. C'est assez incroyable et un peu effrayant quant à la qualité du contenu est juste de ce modèle épuré. C'est donc certainement possible à l'avenir et même aujourd'hui.

Automatiser les suggestions de produits / pages

En plus des suggestions de produits et de pages.

Cela va donc aller en s'améliorant. Imaginez que nous fournissions du contenu et de l'expérience utilisateur spécifiquement pour les utilisateurs uniques qui visitent notre site, un contenu hautement personnalisé, des expériences hautement personnalisées. Des choses vraiment excitantes qui vont de l'avant.

Ressources

Je vous recommande vivement de consulter certaines ressources.

Google Codelabs est l’un de mes favoris, tout simplement parce qu’il vous guide pas à pas. Donc, si vous allez dans Google Codelabs, filtrez par TensorFlow ou par apprentissage automatique, vous pouvez voir les exemples possibles ici. Les cahiers Colab ou Jupyter sont des endroits où vous apprendrez probablement tout ce que vous voulez apprendre par vous-même.

Kaggle.com est la ressource numéro un pour la science des données. compétitions. Vous voyez donc vraiment quels sont les exemples, comment les gens utilisent-ils l'apprentissage par la machine aujourd'hui. Vous verrez que la TSA a fourni plus d'un million de dollars à une équipe de spécialistes des données pour créer un modèle qui prédit les menaces potentielles à partir de vidéos de sécurité.

Ce sujet devient vraiment très intéressant. Il est également très important d’avoir la diversité et l’inclusion dans cet espace pour éviter des modèles vraiment dangereux à l’avenir. Donc, il faut vraiment y penser.

TensorFlow est une excellente ressource. C'est ce que Google a publié, et c'est à partir de cela que sont construits de nombreux modèles d'apprentissage automatique. Ils ont une très bonne plate-forme JavaScript avec laquelle vous pouvez jouer.

Andrew Ng suit un incroyable cours d'apprentissage automatique . Je vous suggère fortement de vérifier cela.

Ensuite, Algorithmia est en quelque sorte un guichet unique pour les modèles. Donc, si vous ne vous souciez pas de plonger vos pieds dans l'apprentissage machine et que vous voulez simplement dire un modèle de synthèse, ou un type de modèle particulier, vous pouvez potentiellement en trouver un sur place et effectuer une sorte de plug-and-play.

C'est donc très intéressant et amusant à explorer. La dernière chose est qu'un modèle d'apprentissage automatique est aussi bon que les données. Je ne peux pas exprimer ça assez. Donc beaucoup de spécialistes en apprentissage automatique et en informatique, tout le nettoyage et l'analyse de données, et c'est l'essentiel du travail dans ce domaine.

Il est important d'être conscient de cela. Voilà pour l’apprentissage automatique 101. Merci beaucoup de vous joindre à moi et j’espère vous revoir tous bientôt. Merci.

Transcription vidéo de Speechpad.com


Si vous avez aimé cet épisode de Whiteboard Friday, vous serez enchanté par toutes les connaissances de pointe en matière de référencement que vous obtiendrez de notre nouvel ensemble vidéo MozCon 2019 . Découvrez d'autres astuces techniques utiles dans l'exposé de Britney, ainsi que 26 nouveaux sujets abordés dans l'avenir par nos orateurs de premier plan:

Saisissez les sessions maintenant!

Nous vous suggérons de planifier un bon partage de connaissances à l'ancienne avec vos collègues. pour éduquer toute l'équipe – après tout, qui n'a pas aimé le jour du cinéma à l'école? ; -)



Source link