Искусственный интеллект (AI) в маркетинге: потрясающий и опасный - стр. 3
Глубинное обучение
Глубинное обучение, также известное как глубокое обучение (англ. deep learning), представляет собой набор подходов в машинном обучении (включая обучение с учителем, полуавтоматическое обучение, обучение без учителя и обучение с подкреплением), которые опираются на извлечение признаков и представлений, а не на применение специализированных алгоритмов, разработанных для конкретных целей.
Источник: https://vk.com/wall-119857622_211
Хотя многие из этих методов были разработаны еще в 1980-х годах (или даже раньше, но с ограниченной эффективностью), значительный прогресс в области искусственных нейронных сетей – в частности, предобучение нейронных сетей с использованием ограниченных моделей Больцмана – и увеличение вычислительной мощности, особенно благодаря графическим процессорам, программируемым матрицам и специализированным нейронным процессорам, начиная с середины 2000-х, – сделали возможным создание сложных нейронных архитектур.
Эти структуры демонстрируют высокую производительность и способны решать разнообразные задачи, которые ранее были трудноразрешимы, такие как компьютерное зрение, машинный перевод и распознавание речи, причем в ряде случаев достигается качество, сравнимое с человеческими возможностями или даже превосходящее их.
Компьютерное зрение
«Теперь, когда компьютерное зрение действительно работает, – когда компьютеры открыли глаза, – произойдут фундаментальные изменения». – Джефф Дин, известный американский ученый и инженер-программист
Компьютерное зрение, также известное как машинное зрение, представляет собой область науки и техники, занимающуюся разработкой устройств, способных распознавать, отслеживать и определять типы объектов. Оно также понимается как способность компьютера распознавать объекты, сцены и действия на изображениях.
В качестве научного направления, компьютерное зрение охватывает теорию и методы построения искусственных систем, получающих знания из визуальных данных.
Видеоинформация может быть представлена в различных форматах, включая видеопотоки, снимки, сделанные разными камерами, или трехмерные данные, полученные, например, с помощью Kinect или медицинских сканеров.
В качестве прикладной области, компьютерное зрение направлено на использование теоретических основ и моделей для разработки практических систем машинного зрения.
2.2 Машинное обучение. ML существенно влияет на сценарий цифрового маркетинга
Машинное обучение
Машинное обучение (ML) – раздел искусственного интеллекта, фокусирующийся на создании и анализе статистических алгоритмов. Эти алгоритмы способны извлекать знания из данных и применять их к новым, ранее не встречавшимся данным, решая поставленные задачи без необходимости детального программирования.
Благодаря развитию глубокого обучения, подраздела машинного обучения, нейронные сети – разновидность статистических алгоритмов – демонстрируют результаты, превосходящие многие традиционные методы машинного обучения.
Алгоритмы машинного обучения используются в различных приложениях, включая фильтрацию электронной почты, выявление мошенничества и прогнозирование потребительского спроса.
ML существенно влияет на сценарий цифрового маркетинга
ML существенно влияет на сценарий цифрового маркетинга из-за своей способности анализировать данные и предоставлять аналитические инструменты. В итоге он помогает маркетинговым командам проводить анализ на основе потребностей.