Aprendizado de máquina só está crescendo em importância para quem trabalha no mundo digital, mas que muitas vezes pode se sentir como uma inacessível assunto. Ele não tem que ser — e você não precisa perder a vantagem competitiva que ela pode dar quando se trata de SEO para automação de tarefas. Colocar em suas técnicas de SEO pac e prepare-se para tomar notas, porque Britney Muller é curta-nos através do Aprendizado de Máquina 101 do episódio desta semana do Quadro de sexta-feira.

Clique sobre o quadro de imagem acima para abrir uma versão de alta resolução em uma nova aba!

Transcrição Do Vídeo

Ei, Moz fãs. Bem-vindos a mais uma edição do Quadro de sexta-feira. Hoje eu vou falar sobre todas as coisas, aprendizado de máquina, algo que, como muitos de vocês sabem, eu estou super apaixonado e adoram falar sobre. Assim, esperamos que, este provoca uma semente em alguns de você para explorar um pouco mais, porque é de fato uma das mais poderosas que as coisas aconteçam no nosso espaço em um tempo muito longo.

O que é aprendizado de máquina?

Assim, um breve resumo, em poucas palavras, aprendizado de máquina, é, na verdade, um subconjunto de AI, e alguns argumentam que ainda não chegamos a inteligência artificial. Mas é apenas uma faceta do total de AI.

Programação tradicional

A melhor maneira de pensar sobre isso é em comparação com a tradicional programação. Modo de programação tradicional, a entrada de dados e de um programa em um computador e sai a saída, mesmo que seja uma página da web ou de uma calculadora incorporada online, o que quer que seja.

Aprendizado de máquina

Com aprendizado de máquina, o que fazemos é colocar os dados, e a saída desejada e colocar isso em um computador, e você terá um programa, também conhecido como uma máquina modelo de aprendizagem. Então é um pouco invertida, e ele funciona muito bem. Existem dois tipos básicos de aprendizagem de máquina:

Você tem supervisionado, que é onde você está, basicamente, alimentando um modelo rotulado de dados de treinamento,

E, em seguida, vigilância, que é onde você está alimentando um programa de dados e deixá-lo criar grupos ou associações entre pontos de dados.

Supervisionado é um pouco mais comum. Você vai ver coisas como a classificação, regressão linear, e de reconhecimento de imagem. Coisas como essa são muito comuns. Se você pensar sobre aprendizado de máquina em termos, tudo bem, há todos os dados que você está colocando no modelo de dados é a parte mais importante do aprendizado de máquina. Um monte de pessoas argumentam que, se o aprendizado de máquina era um veículo, os dados seriam o combustível.

É realmente uma parte importante de entender, porque a menos que você tem o direito de tipos de dados para alimentar um modelo, você não está indo para obter o resultado desejado que você gostaria.

Uma máquina de aprendizagem modelo de exemplo

Então vejamos um exemplo. Se você quiser construir uma máquina do modelo de aprendizagem que prevê que os preços da habitação, você pode ter todas essas informações.

Você pode ter o preço atual, pé quadrado dessas casas, terras, o número de banheiros, número de quartos, o nome dele. Ele vai sobre e sobre. Estes também são conhecidos como recursos. Então, o que um modelo é, vou tentar fazer, quando você colocar todos os seus dados, ele vai tentar entender as associações entre estas informações e vêm com um modelo que melhor prediz que os preços no futuro.

O mais básico desses aprendizado de máquina de modelos de regressão linear. Então, se você pensar sobre a introdução de dados onde talvez você acabou de colocar no preço, e o metro quadrado, e você pode ver os dados como este.

Você verá que como o metro quadrado sobe, portanto, não o preço. Um modelo ao longo do tempo, olhando para esses dados, vai começar a encontrar mais suave linha através de dados em previsões mais precisas no futuro.

O que você não quer que ele faça é para caber a cada ponto de dados único e tem uma linha que parece que também é conhecida como overfitting — porque ele não jogar bonito para novos pontos de dados. Você não quer um modelo para obter assim calculado para o conjunto de dados que não consegue prever com precisão o futuro.

Uma maneira de olhar para isso é a perda de função. Esse é talvez ficar um pouco mais no presente, mas como você faria para medir como a linha é estar em forma. Vamos ver.

Quais são as possibilidades de aprendizagem de máquina em SEO?

Então, quais são algumas das possibilidades em SEO? Como podemos alavancar aprendizado de máquina em SEO espaço?

Automatizar descrições de meta

Assim, existem algumas maneiras que as pessoas já estão fazendo isto. Você pode automatizar as descrições meta olhando para o conteúdo da página, e a utilizar um modelo de máquina para resumir o texto. Para isso, literalmente, resume o conteúdo para você e pares para baixo para uma descrição meta de comprimento. Muito incrível.

Automatizar títulos

Da mesma forma você pode fazer isso para os títulos, apesar de eu não sugiro que você faça isso para páginas primárias. Isso não vai ser perfeito. Mas se você tem uma enorme, enorme site, com centenas de milhares de páginas, que você fica no meio do caminho. É realmente muito interessante para começar a brincar no espaço com esses grandes sites.

Automatizar imagem alt texto

Você também pode automatizar o texto alternativo das imagens. Vamos ver esses modelos ficar realmente bom em entender o que está na imagem.

Automatizar os redirecionamentos 301

Redirecionamentos 301, Paul Shapiro tem uma incrível write-up e, basicamente, processo para já.

Automatizar a criação de conteúdo

A criação de conteúdo, e se o que assusta alguns de você, ou se você dúvida de que esses modelos podem criar conteúdo que é decente, eu desafio você a ir verificar Falar Transformador.

É um pared-para trás versão do OpenAI, que foi fundada por Elon Musk. É muito incrível e um pouco assustador como bom o conteúdo é apenas de que pared de trás do modelo. Então, com certeza é possível, no futuro, e mesmo hoje em dia.

Automatizar produto/página de sugestões

Além de produtos e sugestões de páginas.

Então, isso é só vai ficar melhor. Imaginemo-nos fornecer conteúdo e UX especificamente para o único usuários que vêm para o nosso site, altamente personalizado, conteúdo, altamente personalizado, experiências. Realmente emocionante coisas se movendo para a frente.

Recursos

Eu tenho alguns recursos que eu sugiro que você confira.

O Google Codelabs é um dos meus favoritos, só porque ele orienta você através de etapas. Então, se você vai para o Google Codelabs, filtrar por TensorFlow ou aprendizado de máquina, você pode ver os exemplos lá. Colab notebooks ou Jupyter cadernos são, onde você provavelmente vai estar fazendo qualquer de aprendizado de máquina que você deseja fazer em seu próprio país.

Kaggle.com é o número um recurso para ciência de dados competições. Então você começa a ver realmente quais são os exemplos, como as pessoas estão usando aprendizado de máquina hoje. Você vai ver coisas como TSA colocou mais de us $1 milhão para uma equipe de ciência de dados para vir acima com um modelo que prevê potenciais ameaças de segurança de imagens.

Essa coisa fica realmente interessante, muito rápido. É também tão importante ter diversidade e inclusão neste espaço para evitar que realmente perigoso modelos no futuro. Então, é algo definitivamente pensar.

TensorFlow é um ótimo recurso. É o que o Google colocou para fora, e é o que muitos de seus modelos de aprendizagem de máquinas é construída fora de. Eles tem uma ótima plataforma JavaScript que você pode brincar.

Andrew Ng tem uma incrível máquina de curso de aprendizagem. Eu sugiro que você verifique isso.

Em seguida, Algorithmia é uma espécie de one-stop shop para os modelos. Então, se você não cuidar, para mergulhar seus dedos do pé em aprendizado de máquina e você só quer dizer uma summarizer de modelo ou de um determinado tipo de modelo, você pode encontrar um lá e fazer um plug-and-play do tipo.

Então, isso é muito interessante e divertido de explorar. A última coisa é uma máquina modelo de aprendizagem é apenas tão boa como a de dados. Eu não posso expressar o suficiente. Então, um monte de dados e aprendizado de máquina cientistas, todos limpeza de dados e de análise, e que o grande volume de trabalho neste campo.

É importante estar ciente de que. Então é isso por Machine Learning 101. Muito obrigado por se juntar a mim, e eu espero ver todos vocês novamente em breve. Obrigado.

Vídeo transcrição por Speechpad.com

Se você gostou deste episódio do Quadro de sexta-feira, você vai ser encantado com toda a corte-borda de SEO conhecimento que você vai começar a partir de nosso recém-lançado MozCon 2019 vídeo bundle. Pegar mais úteis dicas técnicas em Britney falar, mais 26 adicionais com foco no futuro tópicos do nosso top-notch alto-falantes:

Pegue as sessões agora!

Sugerimos o agendamento de uma boa e velha compartilhar conhecimento com seus colegas para educar toda a equipe — afinal, quem não ama filme dia na escola? 😉