Una aplicación comercial que funciona extremadamente bien es la evaluación de bienes de consumo que tienen
- conjuntos de funciones normalizadas (p. ej., atributos como WiFi, pantalla táctil, tamaño de memoria). Estos conjuntos de características generalmente son y no necesitan ser uniformes.
- calificaciones disponibles de los sentimientos de los consumidores en línea (por ejemplo, reseñas en línea de Amazon)
- precios precisos en línea (por ejemplo, Amazon, compras de Google, etc.).
Trabajé en una empresa que se vendía en privado para asesorar a los consumidores sobre las mejores compras en el universo de la electrónica de consumo utilizando un modelo de valoración de aprendizaje automático. Antes de esto, ha sido preocupación de organizaciones como Consumer Reports que realizan manualmente Evaluaciones y evaluaciones de productos utilizando pruebas objetivas de productos basados en humanos.
El paquete de procesamiento de backend incluido
- ¿Por qué el núcleo RBF (función de base radial) se asigna al espacio dimensional infinito, mencionado muchas veces en las conferencias de aprendizaje automático?
- ¿Cuáles son los principales niveles de clasificación de reclusos?
- ¿Cuál es la función [math] \ Psi [/ math] en esta diapositiva?
- Cómo construir una aplicación de Android orientada al aprendizaje automático
- Quiero pasar el tiempo dado para el proyecto del último año para aprender ML. ¿Cómo empiezo?
- Apache Hadoop
- Mapa reducido
- SQL
- NoSQL
- Memcached
- un rastreador web continuo para conocer los precios actuales, los comentarios de los usuarios y los comentarios de exportación respaldaron un caché de páginas web masivo
- Procesamiento de fuentes RSS de fuentes XML de varios socios para crear el espacio de producto normalizado con un conjunto de características por producto
- programación de gestión de trabajo patentada y seguimiento de estado
El procesamiento de los datos es un proceso periódico de Big Data de dos pasos que ocurre en varias frecuencias por clase de producto (por ejemplo, SmartPhones sería más rápido que las clases de productos menos volátiles como hornos domésticos, refrigeradores domésticos, etc.).
- determina el precio de cada característica en el mercado para cualquier producto dado. Por ejemplo, ¿cuánto vale la capacidad WiFi en un televisor de pantalla plana? ¿Vale la pena una pantalla base LED en relación con una pantalla LCD basada en un televisor de pantalla plana?
- determina la valoración de cada producto en función de su valoración del conjunto de características más el valor de las clasificaciones de opinión del consumidor (que es un esfuerzo completamente separado)