- Tytuł:
- Artifical Intelligence i Machine Learning – wykorzystanie algorytmów i analiz do profilowania i personalizacji przekazów dystrybuowanych w sieci
- Autorzy:
- Liszczyk, Konrad
- Powiązania:
- https://bibliotekanauki.pl/chapters/2158659.pdf
- Data publikacji:
- 2022-06-03
- Wydawca:
- Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
- Opis:
- Rekomendacje i polecenia są podstawą udanych relacji biznesowych od początku zachodzących między ludźmi interakcji handlowych. Personalizacja przekazów tak, by trafiały w odpowiednim czasie do odpowiednich grup docelowych, była jedną z kluczowych barier, które cyfryzacja i automatyzacja miały za zadanie usprawnić. Zwyczajna ekstrakcja oraz agregacja danych w oparciu o wiedzę eksperta nie dawała wystarczających efektów przekładanych na konkretny ekwiwalent w postaci mierzalnej wartości. W fazie początkowej rozdział ma za zadanie ukazać występujące w schematyczny sposób relatywne różnice, jakie występują między decyzjami podjętymi przez eksperta a decyzjami opartymi na wynikach i prognozach reprezentowanych przez algorytmy uczenia maszynowego. Następnie ukazane są algorytmy samego uczenia wykorzystywane do pracy z personalizacją przekazów, w tym przekazów marketingowych obecnych w sieci z konkretnym podziałem na charakter uczenia się algorytmów. Bezpośrednio z tematyką skorelowane są mechanizmy zarówno uczenia maszynowego występujące w nomenklaturze związanej z informatyzacją, jak i ich wykorzystaniem w stosunku do systemów rekomendacji i personalizacji przekazów. Część poświęcona analizom ma za zadanie zobrazować modele analiz, na których opierają się współczesne algorytmy wykorzystywane do dystrybucji przekazów. Jednym z odrębnych tematów jest personalizacja behawioralna ukierunkowana w stronę samego użytkownika oraz segmentów, które reprezentuje. Ukazany model ma zobrazować przepływ danych od pozyskania ich u źródła aż po dystrybucję w sieci. W tej części rozdziału widoczny jest podział na rekomendacje oparte na użytkowniku oraz w kolejnej części na rekomendacje oparte na produkcie; podrozdział ten wskazuje typy rekomendacji wspierane algorytmami. Ostatni podrozdział poświęcony jest kluczowemu tematowi związanemu z dywagacjami na temat wykorzystania uczenia maszynowego w praktyce, czyli ograniczeń związanych z wykorzystaniem sztucznej inteligencji, ponadto ukazane są wady wynikające z nadmiernego wykorzystania prognoz algorytmów oraz nieodpowiedniego dopasowania ich zarówno do segmentu rynku, jak i konkretnego działu w organizacji wynikające z korelacji między inteligencją sztuczna a inteligencją ludzką.
- Źródło:
-
Dylematy współczesnej informatyki ekonomicznej. Teoria i praktyczne zastosowania; 38-50
9788371938702 - Dostawca treści:
- Biblioteka Nauki
Artykuł