ניתוח ביג-דאטה: איך מסננים מידע ממיליוני משתמשים? - מיטאפים מתארחים - הבלוג של מיטאפים מתארחים - TheMarker
 

אתם מחוברים לאתר דרך IP ארגוני, להתחברות דרך המינוי האישי

טרם ביצעת אימות לכתובת הדוא"ל שלך. לאימות כתובת הדואל שלך  לחצו כאן

תיק מניות

רשימת קריאה

רשימת הקריאה מאפשרת לך לשמור כתבות ולקרוא אותן במועד מאוחר יותר באתר,במובייל או באפליקציה.

לחיצה על כפתור "שמור", בתחילת הכתבה תוסיף את הכתבה לרשימת הקריאה שלך.
לחיצה על "הסר" תסיר את הכתבה מרשימת הקריאה.

לרשימת הקריאה המלאה לחצו כאן

ניתוח ביג-דאטה: איך מסננים מידע ממיליוני משתמשים?

כלים לניתוח מידע והפקת תובנות פרקטיות הפכו להיות קריטיים ובעלי השפעה על צמיחה הן של סטארט-אפים קטנים והן של חברות היי-טק גדולות ■ מדעני נתונים מפייבר הציגו את השיטות שלהם לכרות זהב מכמויות המידע העצומות שאוספת החברה

מפגש בחברת פייבר בנושא ביג-דאטה
Fiverr

בקצרה:

שם הארוע - Data Drive ■ מקום - משרדי Fiverr ■ תאריך - 26.12  ■ דוברים - דור אמיר ותומר רון, שניהם Data Scientists ויובל בן ציון, ראש צוות Data Science בפייבר

Fiverr Data Drive Meetup - דלג
Fiverr

טכנולוגיות למידת מכונה ועיבוד שפה טבעית הן בעלות יישומים משמעותיים בתחומים רבים בתעשיית ההיי-טק. אחד מהתחומים בהם עושים שימוש בטכנולוגיות אלו הוא מסחר אינטרנטי (eCommerce).

חברת פייבר אירחה מיטאפ בתחום הדאטה תחת הכותרת Data Drive, בהשתתפות כ-150 איש, בו סיפקה הצצה למודלים חדשים שפותחו בשנה האחרונה ואיפשרו לשפר משמעותית את הביצועים העסקיים של החברה ואת איכות התוכן באתר.

הרצאה ראשונה: המלצות מבוססות עיבוד שפה טבעית - 03:00-14:40 ■ הרצאה שנייה: מינוף מנועי חיפוש - 14:44 -26:02 ■ הרצאה שלישית: חיזויים מבוססי התנהגות בזמן אמת - 26:03 -37:52 ■ הרצאה רביעית: תהליכי קבלת החלטות בסביבה אינטרנטית - 37:59 - 51:55

המיטאפ, שאורגן על ידי ערן אגם, מנהל צוות הדאטה של Fiverr, כלל ארבע הרצאות כאשר הראשונה שבהן עסקה בהמלצות מבוססות אלגוריתם של עיבוד שפה טבעית. דור אמיר, Data Scientist בפייבר, שעבודתו מתרכזת בהמלצות ופרסונליזציה, הציג מודל חדש שפותח ומתאים המלצות לשירותים רלוונטיים בפייבר על סמך טקסט חופשי. בהמשך, אותו אלגוריתם התברר כיעיל גם בזיהוי שירותים שהועתקו ממשתמשים אחרים (פרקטיקה שנוגדת את תנאי השימוש של פייבר) וכעת הוא משמש הן לצורך המלצות והן לזיהוי שירותים מועתקים, למען שמירה על איכות התוכן באתר.

המרצה השני, יובל בן ציון, ראש צוות Data Science בפייבר, דיבר על מינוף מנועי חיפוש. ישנן מיליוני שאילתות חיפוש במערכת החיפוש של פייבר, אשר מהוות מכרה זהב של ידע על תחומי העניין של משתמשים. יובל הסביר איך החברה משתמשת בידע זה כבסיס לפרסום ממוקד מחוץ למרקט-פלייס של פייבר. כחלק מכך, נבנה מודל סטטיסטי שינבא את יחס ההמרה של כל שאילתת חיפוש אפשרית, וישתמש בחיזוי זה בקמפיינים האינטרנטייים של החברה ובתהליכי הצעות המחיר עבור פרסומות במנועי חיפוש חיצוניים (כדוגמת Google search).

נושא נוסף עליו הרצה בן ציון הוא חיזויים מבוססי התנהגות בזמן אמת. לקוחות מסחר אינטרנטי בימינו מקבלים החלטות מאד מהר, וכדי לשמר לקוחות, נדרש להגיב באותה המהירות. כלומר, בזמן שהם גולשים באתר. בשיחה זו יובל תיאר כיצד מודל הלמידה העמוקה של פייבר מאזין בזמן אמת להתנהגות הגולשים במערכת ומשתמש בה כדי לחזות הסתברות לרכישה של כל משתמש. חיזויים אלה מהווים טריגרים ל"התערבויות" מוצריות בזמן אמת ושינויים דינמיים באתר, במטרה לעזור למשתמש למצוא את השירות המתאים ביותר.

תומר רון, גם הוא Data Scientist בפייבר, דיבר על Online Decision Making וכיצד הוא מנסה לגלות במהירות שירותים חדשים מבטיחים שנוצרים בפייבר. בשיחה זאת, תומר הציג את בעיית ה-Multi Armed Bandit והראה כיצד פתרו אותה בפייבר בעזרת מימוש שיטת Thompson Sampling על מנת לקבל החלטות בזמן אמת.

הרשמה לניוזלטר

כל הסקירות בזירת הניתוחים של TheMarker - בתיבת המייל שלכם

ברצוני לקבל ניוזלטרים, מידע שיווקי והטבות


תגובות

דלג על התגובות

בשליחת תגובה זו הנני מצהיר שאני מסכים/מסכימה עם תנאי השימוש של אתר TheMarker

סדר את התגובות

כתבות שאולי פיספסתם

*#