Aprendizaje automático. ¡Qué palabra de moda! Pero con razón para nuestra industria ahora. Todos tenemos acceso a más y más datos, y el uso del aprendizaje automático significa que podemos tomar mejores decisiones para nuestros productos en función no de lo que creemos que es correcto, sino de lo que los modelos predictivos descubiertos son correctos.
Muchas partes del negocio de Foursquare dependen de elementos de aprendizaje automático, y nuestra superpotencia, Pilgrim, que comprende cómo las personas se mueven por el mundo, se creó casi por completo desde una perspectiva de aprendizaje automático. Lo describiré
En nuestra aplicación Foursquare City Guide, utilizamos el aprendizaje automático en la clasificación de propinas. Pasamos algún tiempo extrayendo señales manualmente sobre consejos, como: ¿Cuál es el sentimiento en el consejo? ¿Este consejo tiene una foto? ¿Cuánto tiempo hace que se escribió? ¿Cuántos votos ha recibido? etc. Calculamos estas características y luego obtuvimos consejos clasificados por una audiencia para que pudiéramos entender cómo los usuarios reales valoran cada consejo. Esos consejos fueron clasificados, y luego aplicamos ese aprendizaje a todos nuestros consejos. Es por eso que los consejos de City Guide no están clasificados por fecha o popularidad, sino por lo valiosos que son para nuestros usuarios. Por lo tanto, los consejos son precisos y relevantes con la mayor frecuencia posible.
- ¿Cuál es la diferencia entre un sistema experto y el aprendizaje automático?
- ¿Por qué son escasos los autoencoders escasos?
- ¿Qué es el remuestreo en el aprendizaje automático?
- ¿Crees que los algoritmos de aprendizaje automático pueden cambiar la forma en que hacemos simulaciones numéricas?
- ¿Qué son los vectores en el contexto del procesamiento del lenguaje natural?
También hemos estado jugando con fotos agrupadas en City Guide, para que todas las fotos de ese burrito aparezcan juntas, todas las fotos de interiores, fotos de personas, etc. Esto también requiere aprendizaje automático. Rotulamos un conjunto de fotos, lo alimentamos a través de un algoritmo de aprendizaje y construimos un modelo. Esperemos que vea esto implementado en un próximo lanzamiento.
Pero la forma más emocionante en la que estamos usando el aprendizaje automático en este momento es en nuestra tecnología Pilgrim. Hoy, cada vez que una persona realiza una búsqueda en Foursquare Swarm (para registrarse) o en Foursquare City Guide (para encontrar una cafetería), nuestro servidor realiza una búsqueda en el lugar que calcula la probabilidad de que se encuentre en un lugar determinado. Esto también sucede cuando una persona en realidad no realiza una búsqueda de lugar, pero nuestro técnico de Pilgrim detecta que de todas formas te has detenido en un lugar (por lo que la Guía de la Ciudad Cuadrangular puede servirte un recordatorio para pedir el chai latte o uno de nuestros SDK de Pilgrim los socios pueden enviarle un ping con una promoción de descuento para la tienda que está visitando). Una vez que detectamos una parada, predecimos dónde está utilizando el aprendizaje automático, utilizando señales como el historial de visitas, la hora del día, la información espacial, los datos wifi, la ubicación de la baliza Bluetooth y más.
Pilgrim es nuestra superpotencia, como dijimos la semana pasada en nuestro anuncio del SDK. Es un producto que ha estado en proceso durante años, y realmente lo abordamos de principio a fin desde una perspectiva de aprendizaje automático.
