Tuvimos una pregunta similar en este tema anteriormente, y di esta respuesta allí:
La respuesta de Eric Swayne a ¿Cuál es el estado del arte en el monitoreo de las redes sociales y cuál es el lugar común?
Social Analytics es una industria que acaba de salir de la infancia. Hoy en día son comunes las estadísticas generales: fanáticos, seguidores, clics en enlaces acortados, impresiones de páginas de Facebook, usuarios activos mensuales / diarios. Las plataformas avanzadas están comenzando a proporcionar más opciones, como:
- ¿Qué enfoque se recomienda para aprender Machine Learning?
- Además de las redes neuronales profundas, ¿existen antecedentes para cálculos largos con una inferencia máxima a posteriori eficiente?
- Todos estos algoritmos de aprendizaje automático, ¿cuál es el punto? Parece que la elección del algoritmo de aprendizaje automático, el árbol de decisión, la red neuronal, svm, no es tan importante como la selección de características y el proceso de extracción de características que determina lo que entra, basura en basura, ese tipo de cosas.
- ¿Es realmente posible comenzar una carrera seria de IA / ML con el objetivo final de trabajar en un lugar como OpenAI, Google o DeepMind a través del autoestudio?
- ¿Cuál es la explicación intuitiva y práctica del algoritmo AdaBoost utilizado en el artículo de Viola-Jones sobre detección de rostros, en lenguaje moderadamente técnico?
- Análisis semántico : la mayoría de los formularios promedio de análisis de redes sociales utilizarán el procesamiento del lenguaje natural (PNL) para medir el sentimiento. Las plataformas avanzadas proporcionarán más tonos de sentimiento que solo tres (positivo, negativo, neutral), romperán términos / emociones / comportamientos clave relacionados con ese sentimiento, o aprenderán de mis acciones mientras corrijo el sentimiento en conversaciones específicas y lo aplico a El conjunto.
- Perfiles sociales persistentes : herramientas como FlipTop (http://www.fliptop.com/) rastrean las acciones de los usuarios en múltiples plataformas (Facebook, Twitter, etc.) y unifican lo que las personas están haciendo en los perfiles basados en el consumidor, de modo que yo puedo decir cuán activo está Eric Swayne en mi página de Facebook Y en mi feed de Twitter (y más), para que pueda tener una idea más clara de quiénes son mis verdaderos defensores y enfocar mis esfuerzos de marketing en ellos.
- Integración de datos de terceros : las soluciones avanzadas de análisis social me están dando más de lo que puedo ver “a simple vista”. Las plataformas avanzadas están superponiendo datos sociales con datos de tráfico web, puntajes de autoridad, información demográfica, segmentación, etc. El primero de ellos está llegando de fuentes como Klout, Compete, Quantcast, Mosaic, etc.
- Portabilidad de datos de API : en la dirección opuesta, más herramientas de análisis social están comenzando a permitirme transferir sus datos a otras aplicaciones a través de API o feeds. Esto es particularmente importante en organizaciones que tienen una función de Business Intelligence bien establecida: los feeds API pueden conectar mis datos sociales a sus historiales transaccionales, almacén CRM e incluso pronósticos financieros .