Facebook utiliza el aprendizaje profundo en casi todos los aspectos del negocio. El feed de Facebook está diseñado y optimizado para impulsar el compromiso. Qué tipo de compromiso ha cambiado mucho últimamente [1]. La interacción puede determinarse por muchos factores, como hacer clic, ver, dar me gusta, comentar y compartir. Al tratar cada uno de estos como una métrica para predecir [2], Facebook puede tratar el feed como un problema de aprendizaje automático, donde las entradas son el contenido del feed y la salida la probabilidad de un evento de compromiso. Descubrir cómo ingresar contenido en un modelo de aprendizaje automático es un área en la que el aprendizaje profundo es extremadamente útil. Una publicación de Facebook puede consistir típicamente en contenido de texto, imagen y video. Al analizar todas estas características con el aprendizaje profundo, uno puede usar sus vectores de características como entradas en un modelo de regresión logística (que también puede ser un modelo de aprendizaje profundo). Escribí una publicación rápida en el blog que explica cómo funciona un poco más.
Recomiendo echar un vistazo al blog de investigación de Facebook. Tienen algunas cosas increíbles que explican algunas de las técnicas que usan en Facebook.
[1] News Feed FYI: Acercando a las personas | Facebook Media
- ¿Cuáles serán los 3 principales problemas de aprendizaje profundo en los próximos 5 años?
- ¿Cuándo debo aprender tensorflow?
- ¿Cuáles son las ventajas de la maximización de la expectativa sobre el gradiente decente para ajustar un modelo de mezcla gaussiana?
- ¿Cuál es la diferencia entre la regresión de mínimos cuadrados ordinarios y la regresión lineal con el método de mínimos cuadrados?
- ¿Qué es una explicación intuitiva del parámetro gamma en SVM?
[2] Ewa Dominowska – Generando mil millones de noticias personales – MLconf SEA 2016
