Definitivamente sí, uno de los principales usos del aprendizaje automático es la selección de objetivos para anuncios, todas las grandes empresas están utilizando técnicas basadas en ML para seleccionar sus audiencias objetivo.
Si desea crear un sistema que recomiende anuncios para los usuarios, tendrá que enfrentar los siguientes desafíos:
1-Características:
El paso 0 de cualquier algoritmo de aprendizaje automático es la selección de funciones. Debe encontrar un conjunto de características que representen los intereses y necesidades del usuario. Las características pueden ser el historial de las últimas publicidades que le gustó a un usuario, el historial de las páginas web que visitó, la lista de aplicaciones que tiene en su teléfono, la lista de artículos que compró y … Cuando seleccione las funciones, tendrá que tener en cuenta algunos problemas legales (debe encontrar una manera de obtener esa información sin romper los mínimos, algunas compañías venden la información de sus usuarios).
- Cómo implementar un algoritmo de programación de disco C-SCAN para encontrar su tiempo de búsqueda
- ¿Cuándo sería el algoritmo A más lento que el algoritmo B? Demuestre su respuesta con la ayuda de un ejemplo.
- ¿Por qué no se acepta mi solución para SPOJ.com - JUEGOS de problemas?
- ¿Cuál es el mejor algoritmo de cifrado real utilizado en el almacenamiento de datos basado en hardware?
- ¿Es seguro decir que un algoritmo iterativo es mejor que el recursivo para el mismo problema dado que ambos son de la misma complejidad temporal?
2-Valor de optimización:
A continuación, debe decidir qué desea optimizar utilizando su algoritmo ML y cómo lo va a relacionar con la salida de su modelo. Algunas compañías optimizan los clics de los usuarios en los anuncios y esperan que se relacionen con las ganancias del anunciante. Consulte este artículo para obtener más información: Aprendizaje automático en publicidad en línea – Microsoft Research
Modelo 3:
Un paso importante en ML es la selección del modelo. Tienes que seleccionar el mejor modelo para tu tarea. En la tarea de publicidad, debe decidir si desea entrenar un modelo único para todos sus usuarios, o entrenar un modelo separado para cada usuario individual. Decidir entre esos escenarios depende del tipo de características que haya seleccionado y también del tamaño de su conjunto de datos de entrenamiento, y afectará el rendimiento del modelo.
4-Datos de entrenamiento:
Finalmente, debe recopilar un conjunto de datos de entrenamiento. Si está maximizando los clics del usuario, puede comenzar con un modelo aleatorio (un modelo que asigna un complemento a un usuario al azar) y usar los clics del usuario como datos de entrenamiento para su modelo. Luego, debe iterar entre recopilar y entrenar los pasos del modelo repetidamente.