L'apprentissage automatique gagne en importance pour quiconque travaille dans le monde numérique, mais il peut souvent sembler être un sujet inaccessible. Cela ne doit pas forcément être ainsi, et vous ne devez pas manquer l'avantage concurrentiel que cela peut vous donner lorsqu'il s'agit d'automatiser des tâches de référencement. Définissez votre limite de référencement technique et préparez-vous à prendre des notes, car Britney Muller nous guide à travers Machine Learning 101 dans l'épisode Whiteboard Friday de cette semaine.
Cliquez sur l'image sur le tableau ci-dessus pour ouvrir une version en haute résolution dans un nouvel onglet!
Transcription vidéo
Bonjour, fans de Moz. Bienvenue dans une autre édition de Whiteboard Friday. Aujourd’hui, je parle de tout ce qui a trait à l’apprentissage automatique, quelque chose qui, comme beaucoup d’entre vous le savent, j’aime et j’adore parler. Espérons que cela génère une graine chez certains d'entre vous à explorer un peu plus, car c'est vraiment l'une des choses les plus puissantes qui se produisent dans notre espace depuis longtemps.
Qu'est-ce que l'apprentissage automatique?
En résumé, l'apprentissage automatique est en fait un sous-ensemble de l'intelligence artificielle, et certains diraient que nous n'avons pas encore atteint l'intelligence artificielle. Mais ce n'est qu'une facette de l'IA générale.
Programmation traditionnelle
La meilleure façon de penser est comparée à la programmation traditionnelle. Ensuite, programmation traditionnelle, saisissez des données et un programme sur un ordinateur, puis quittez la page, soit une page Web, soit une calculatrice que vous avez créée en ligne, quelle qu’elle soit.
Apprentissage automatique
Avec l'apprentissage automatique, si vous saisissez les données et la sortie souhaitée et les mettez sur un ordinateur, vous obtenez un programme, également appelé modèle d'apprentissage automatique. Par conséquent, il est un peu tourné et fonctionne extrêmement bien. Il existe deux types principaux d’apprentissage automatique:
- Vous avez supervisé et vous alimentez un modèle de données de formation,
- puis sans supervision . C'est à cet endroit que vous alimentez les données d'un programme et que vous le laissez créer des groupes ou des associations entre des points de données.
Supervisé est un peu plus commun. Vous verrez des choses comme la classification, la régression linéaire et la reconnaissance d'image. Des choses comme ça sont très courantes. Si vous envisagez l'apprentissage machine en termes de, c'est bien, il y a toutes ces données que vous mettez dans le modèle, les données constituent la majorité de l'apprentissage machine. Beaucoup de gens diraient que si l’apprentissage automatique était un véhicule, les données seraient un carburant.
C'est une partie très importante de la compréhension, car à moins que vous n'ayez les bons types de données pour alimenter un modèle, vous n'obtiendrez pas le résultat souhaité.
Un exemple de modèle d'apprentissage automatique
Voyons un exemple. Si vous souhaitez créer un modèle d’apprentissage automatique qui prédit le prix du logement, vous pouvez disposer de toutes ces informations.
Vous pouvez avoir le prix actuel, le pied carré de ces maisons, le terrain, le nombre de salles de bain, le nombre de chambres, vous le dites. Ça continue encore et encore. Ils sont également appelés caractéristiques . Ainsi, quel modèle tentera de faire, lorsque vous entrerez toutes ces données, il tentera de comprendre les associations entre ces informations et générera un modèle qui prédit mieux les prix du logement à l’avenir.
La base de ces modèles d'apprentissage automatique est la régression linéaire. Donc, si vous songez à entrer les données, vous pouvez peut-être entrer le prix et le pied carré et voir les données de cette façon.
Vous voyez que lorsque le pied carré augmente, le prix augmente également. Un modèle au fil du temps, observant ces données, commencera à rechercher la ligne la plus souple à travers les données afin d’obtenir les prévisions les plus précises à l’avenir.
Ce que vous ne voulez pas que je fasse, c'est ajuster chacun de leurs points de données et créer une ligne ressemblant à ceci, appelée aussi surajustement, car elle ne fonctionne pas bien pour les nouveaux points de données. Vous ne voulez pas qu'un modèle soit tellement calculé dans votre ensemble de données que vous ne puissiez pas prédire avec précision dans le futur.
Une façon de le voir est d'utiliser la fonction de perte. C’est peut-être un peu plus profond, mais c’est de cette façon que vous mesureriez l’ajustement de la ligne. Voyons voir
Quelles sont les possibilités d'apprentissage automatique en référencement?
Quelles sont certaines des possibilités du référencement? Comment pouvons-nous tirer parti de l'apprentissage automatique dans le domaine du référencement?
Automatiser les méta-descriptions
Par conséquent, les gens le font déjà de deux manières. Vous pouvez automatiser les méta-descriptions en consultant le contenu de la page et en utilisant un modèle de machine pour résumer le texte. Ensuite, ceci résume littéralement le contenu pour vous et le réduit à une méta-description. Assez incroyable
Automatiser les titres
Je pourrais aussi le faire pour les titres, bien que je ne vous suggère pas de le faire pour les pages principales. Cela ne va pas être parfait. Mais si vous avez un site Web énorme, avec des centaines de milliers de pages, cela vous prendra à moitié. C'est vraiment intéressant de commencer à jouer dans cet espace avec ces excellents sites Web.
Automatiser le texte alternatif d'une image
Vous pouvez également automatiser le texte alternatif d'une image. Nous voyons que ces modèles deviennent vraiment bons pour comprendre ce qu’il ya dans une image.
Automatisation des redirections 301
Les redirections 301, Paul Shapiro a une formulation incroyable et en gros, le processus pour cela déjà.
Automatiser la création de contenu
Création de contenu, et si cela effraie certains d'entre vous ou si vous doutez que ces modèles permettent de créer un contenu correct, je vous mets au défi de parler à Talk to Transformer.
Il s'agit d'une version réduite d'OpenAI, qui a été fondée par Elon Musk. C'est assez étonnant et la qualité du contenu de ce modèle réduit est un peu effrayante. Cela est sûrement possible à l’avenir et même aujourd’hui.
Automatiser les suggestions de produits / pages
En plus des suggestions de produits et de pages.
Cela va donc s'améliorer. Imaginez que vous fournissiez un contenu et une UX spécifiquement destinés aux utilisateurs uniques qui visitent notre site, un contenu hautement personnalisé, des expériences hautement personnalisées. Des choses vraiment excitantes pour continuer.
Ressources
Je vous recommande de consulter certaines ressources.
Google Codelabs est l'un de mes favoris, tout simplement parce qu'il vous guide tout au long des étapes. Donc, si vous allez dans Google Codelabs, filtrez par TensorFlow ou par apprentissage automatique, vous pourrez voir les exemples possibles ici. Les cahiers Colab ou Jupyter sont les endroits où vous ferez probablement tout l’apprentissage automatique que vous voulez faire par vous-même.
Kaggle.com est la principale ressource des compétitions de science des données. Vous pouvez donc vraiment voir quels sont les exemples, comment les gens utilisent l'apprentissage automatique aujourd'hui. Vous verrez des choses comme celle-ci: la TSA a investi plus d'un million de dollars dans une équipe de spécialistes des données informatiques afin de présenter un modèle prédictif des menaces potentielles provenant d'images de sécurité.
Cela devient très intéressant très rapidement. Il est également très important d'avoir la diversité et l'inclusion dans cet espace pour éviter des modèles vraiment dangereux à l'avenir. Donc, il faut vraiment y penser.
TensorFlow est une excellente ressource. C’est ce que Google a lancé et bon nombre de ses modèles d’apprentissage automatique. Ils ont une très bonne plate-forme JavaScript avec laquelle vous pouvez jouer.
Andrew Ng suit un incroyable cours d'apprentissage automatique . Je vous recommande de vérifier.
Donc Algorithmia est une sorte de guichet unique pour les modèles. Par conséquent, si vous ne souhaitez pas vous immerger dans l'apprentissage automatique et que vous souhaitez simplement définir un modèle récapitulatif ou un type de modèle particulier, vous pouvez en trouver un et y effectuer une sorte de plug-and-play.
C'est donc très intéressant et amusant à explorer. La dernière chose est qu'un modèle d'apprentissage automatique est aussi bon que les données. Je ne peux pas exprimer ça assez. Par conséquent, de nombreux chercheurs en apprentissage machine et en informatique, tout est nettoyage et analyse de données, et c’est la plus grande partie du travail dans ce domaine.
Il est important de garder cela à l'esprit. Voilà pour l’apprentissage automatique 101. Merci beaucoup de vous être joint à moi et j’espère vous revoir tous bientôt. Merci
Transcription vidéo de Speechpad.com
Si vous avez apprécié cet épisode de Whiteboard Friday, vous serez ravi de toutes les connaissances avancées en matière de référencement que vous obtiendrez de notre package vidéo MozCon 2019 récemment publié. Obtenez plus de conseils techniques utiles dans l'exposé de Britney, ainsi que 26 sujets supplémentaires axés sur l'avenir de nos orateurs de haut niveau:
Profitez dès maintenant des sessions!
Nous suggérons de programmer un bon échange de connaissances à l'ancienne avec vos collègues pour éduquer toute l'équipe: après tout, qui n'a pas aimé la journée de cinéma à l'école? ; -)