رویداد Trace Way پنج شنبه ۱۴ آذر با حضور توسعه‌دهندگان برگزار شد. این رویداد برای اولین بار توسط کوئرا و با حمایت تپسل اجرا شد و موضوع اصلی آن یادگیری ماشین بود. در سخنرانی‌های این رویداد توسعه‌دهندگان تجربه‌هایی عملی از محصولاتی که توسعه داده بودند را به اشتراک گذاشتند. فیلم کامل این رویداد را می‌توانید در لینک آخر مقاله ببینید.
در ادامه خلاصه‌ای از ارائه‌های این رویداد را بخوانید:
ارائه‌ی عباس حسینی: یادگیری ماشین در AdTech
صنعت تبلیغات دو بازیگر اصلی دارد:
- تبلیغ‌دهنده‌هایی که می‌خواهند تبلیغ‌شان در رسانه‌ی مناسب نمایش داده شود. چالش این مارکترها این است که با کمترین هزینه تبلیغ‌شان را به مناسب‌ترین کاربران نمایش دهند و کمپین‌شان به بهینه‌ترین شکل ممکن پیش برود. آن‌ها از طریق Demand-Side Platform درخواست خود را ارسال می‌کنند و این پلتفرم این سرویس را برای تبلیغ‌دهنده ارائه می‌دهد.
- رسانه‌هایی که فضای تبلیغاتی خود را می‌فروشند و تبلیغات نمایش می‌دهند. چالش این رسانه‌ها این است که به بیشترین میزان درآمدزایی برسند. رسانه‌ها از طریق Supply-Side Platform فضای تبلیغاتی خود را می‌فروشند.
اما هوش مصنوعی و یادگیری ماشین کجای این پروسه به کار ما می‌آید؟
یکی از چالش‌ها این است که تبلیغ‌دهنده‌ها می‌خواهند کمترین هزینه را بکنند و رسانه‌ها می‌خواهند بیشترین درآمد را داشته باشند. از طرف دیگر وقتی پای تعداد زیادی تبلیغ‌دهنده و رسانه در کار باشد چطور می‌توان همه‌ی درخواست‌ها مدیریت کرد؟ اینجاست که AdExchange وارد می‌شود تا به این چالش‌ها پاسخ دهد. AdExchange نقش واسطه را ایفا می‌کند و این دو بازیگر اصلی صنعت تبلیغات را به یکدیگر وصل می‌کند. با استفاده از مکانیسم‌های مختلف یادگیری ماشین مزایده آنلاین برگزار می‌شود. این مزایده آنلاین در واقع حکم یک معامله‌ی دوسرسود را دارد، با استفاده از هوش مصنوعی جایگاه‌های تبلیغاتی به بهینه‌ترین شکل فروخته می‌شوند.
از طرفی برای اینکه تبلیغ به کاربر مناسب آن نمایش داده شود، باید اطلاعاتی کلی از کاربران داشته باشیم. اینجا DMP یا Data Management Platform به کار ما می‌آید. DMP یک پلتفرم برای مدیریت اطلاعات است که اطلاعات کاربران را از سمت DSP جمع می‌کند. با استفاده از مکانیسم‌های یادگیری ماشین می‌توان این روند را به شکلی پیش برد که بهترین تبلیغ به بهترین کاربر (با توجه به اطلاعات جمع‌آوری‌شده از DMP) نمایش داده شود.
ارائه‌ی پیام آراسته: استفاده از یادگیری ماشین در راستای صرفه‌جویی در وقت
پیام آراسته تجربه‌ی خود از سیستم تشخیص ترافیک و پیشنهاد مسیر اپلیکیشن بلد را با توسعه‌دهندگان به اشتراک گذاشت. یکی از فیچرهای اپلیکیشن بلد این است که ترافیک را در مسیرهای مختلف تشخیص می‌دهد و بهترین و کوتاه‌ترین مسیر را پیشنهاد می‌دهد. به نظر می‌رسد که دیتاهای مربوط به ترافیک از تصاویر ماهواره‌ای یا دوربین‌های سطح شهر جمع‌آوری می‌شود، اما در واقع هر کدام از این شیوه‌ها باگ‌هایی دارند و اپلیکیشن بلد به این شیوه‌ها اطلاعات را جمع‌آوری نمی‌کند. بلد دیتایش را مستقیما از کاربران جمع‌آوری می‌کند.
وقتی کاربر مبدا و مقصد خود را انتخاب می‌کند، از طریق سیگنال‌هایی که به سرورهای بلد فرستاده می‌شود می‌توان از دیتای آن استفاده کرد. پیام آراسته در ادامه از مکانیسم‌های مختلف یادگیری ماشین که در این پروسه به کار اپلیکیشن بلد می‌آیند، می‌گوید.
ارائه‌ی حامد دهقانی: پشنهاد بهترین محصول به مشتری
حامد دهقانی از دیجی‌کالا داستان Recommendation System دیجی‌کالا را شرح داد. این سیستم توصیه‌گر به کاربران محصولات مرتبط و مشابه را به کاربر پیشنهاد می‌کند. در این ارائه حامد دهقانی داستان پیاده‌سازی این سیستم در ایران و در دیجی‌کالا را تشریح کرد.
ارائه‌ی علی چلمقانی: پردازش زبانهای طبیعی
علی چلمقانی با یک محصول از دیوار به این رویداد آمده بود. با استفاده از این محصول که NLP یا محصول پردازش زبانهای طبیعی نام دارد، می‌توان میزان موفقیت آگهی‌های دیوار را سنجید. این محصول اطلاعات متنی چت دیوار را جمع‌آوری می‌کند و با استفاده از یادگیری ماشین آن‌ها را دسته‌های مختلفی می‌چیند، و سپس پردازش می‌کند. دسته‌هایی مثل تجهیزات فنی ماشین، املاک و ..
اگر می‌خواهید جزئیات بیشتری درباره سخنرانی‌ها ببینید می‌توانید به لحظه‌نگار مراجعه کنید و فیلم کامل این رویداد را بعد از ثبت نام مشاهده کنید. همچنین اگر نظری در مورد این گردهمایی و سخنرانی‌های انجام شده دارید، می‌توانید آن را در قسمت نظرات با ما به اشتراک بگذارید.
نظر شما نظر خود را وارد نمایید