Twitter w liczbach
•
2 likes•1,368 views
Prezentacja wygłoszona przez Huberta Tworkowskiego, Head of Sales w Sotrender podczas Social Media Convent 2015 r.
Report
Share
Report
Share
Download to read offline
Recommended
ShopCamp Erotica: Konrad Latkowski Manubia Analiza branzy erotycznej na Allegro
ShopCamp Erotica: Konrad Latkowski Manubia Analiza branzy erotycznej na Allegroecommerce poland expo
Mieszkanie marzeń Gazeta Współczesna - specjalny dodatek 2014
Mieszkanie marzeń Gazeta Współczesna - specjalny dodatek 2014
Twitter powerpoint - beginner
Starting conversations with Twitter - a guide for organizations (beginner)
Topic modeling - nie tylko LDA w Gensim
Jaki algorytm jest najczęściej wykorzystywany do Topic Modelingu? LDA! A jaka jest najpopularniejsza implementacja LDA? Oczywiście ta zawarta w pakiecie Gensim. LDA zaimplementowane w pakiecie Gensim jest niezaprzeczalnie dobrym wyborem startowym. Niestety nie umożliwia szybkiego testowania i poprawiania modelu wykorzystując duże zbiory danych, nie będzie też dobrym wyborem przy pracy z krótkimi tekstami z social media. W swojej prezentacji przedstawię topic modeling z nowej strony, skupiając się na metodzie GSDMM, stworzonej specjalnie pod analizę krótkich tekstów. Przedstawię również alternatywną implementację w języku Python algorytmów topic modelingu, w tym również LDA, umożliwiającą uzyskanie zadowalających wyników nawet przy bardzo krótkich deadline’ach.
Prezentacja z Warszawskich Dni Informatyki 2021
Budowa modeli uczenia maszynowego zgodnie z regulacjami o ochronie danych za ...
Budowa modeli uczenia maszynowego zgodnie z regulacjami o ochronie danych za pomocą metody Federated Learning
Tradycyjne w pełni nadzorowane metody budowy modeli uczenia maszynowego (ML) zakładają pełny dostęp do danych i etykiet. Jednakże, taki dostęp może zostać ograniczony poprzez regulacje prawne o ochronie danych. Ostatnie postępy w obszarze privacy-preserving ML proponują Federated Learning (FL) jako metodę przezwyciężania takich problemów. FL pozwala trenować modele ML bez bezpośredniego dostępu do prywatnych danych. W prezentacji omówimy podstawy podejścia FL i pokażemy jak może zostać wykorzystane do budowy modeli ML zachowując prywatność danych. Zademonstrujemy nasz sposób budowy modeli klasyfikacyjnych i regresyjnych do problemów z dziedziny mediów społecznościowych, uwzględniając tradycyjne algorytmy ML oraz głębokie sieci neuronowe.
Prezentacja z Warszawskich Dni Informatyki 2021
Recommended
ShopCamp Erotica: Konrad Latkowski Manubia Analiza branzy erotycznej na Allegro
ShopCamp Erotica: Konrad Latkowski Manubia Analiza branzy erotycznej na Allegroecommerce poland expo
Mieszkanie marzeń Gazeta Współczesna - specjalny dodatek 2014
Mieszkanie marzeń Gazeta Współczesna - specjalny dodatek 2014
Twitter powerpoint - beginner
Starting conversations with Twitter - a guide for organizations (beginner)
Topic modeling - nie tylko LDA w Gensim
Jaki algorytm jest najczęściej wykorzystywany do Topic Modelingu? LDA! A jaka jest najpopularniejsza implementacja LDA? Oczywiście ta zawarta w pakiecie Gensim. LDA zaimplementowane w pakiecie Gensim jest niezaprzeczalnie dobrym wyborem startowym. Niestety nie umożliwia szybkiego testowania i poprawiania modelu wykorzystując duże zbiory danych, nie będzie też dobrym wyborem przy pracy z krótkimi tekstami z social media. W swojej prezentacji przedstawię topic modeling z nowej strony, skupiając się na metodzie GSDMM, stworzonej specjalnie pod analizę krótkich tekstów. Przedstawię również alternatywną implementację w języku Python algorytmów topic modelingu, w tym również LDA, umożliwiającą uzyskanie zadowalających wyników nawet przy bardzo krótkich deadline’ach.
Prezentacja z Warszawskich Dni Informatyki 2021
Budowa modeli uczenia maszynowego zgodnie z regulacjami o ochronie danych za ...
Budowa modeli uczenia maszynowego zgodnie z regulacjami o ochronie danych za pomocą metody Federated Learning
Tradycyjne w pełni nadzorowane metody budowy modeli uczenia maszynowego (ML) zakładają pełny dostęp do danych i etykiet. Jednakże, taki dostęp może zostać ograniczony poprzez regulacje prawne o ochronie danych. Ostatnie postępy w obszarze privacy-preserving ML proponują Federated Learning (FL) jako metodę przezwyciężania takich problemów. FL pozwala trenować modele ML bez bezpośredniego dostępu do prywatnych danych. W prezentacji omówimy podstawy podejścia FL i pokażemy jak może zostać wykorzystane do budowy modeli ML zachowując prywatność danych. Zademonstrujemy nasz sposób budowy modeli klasyfikacyjnych i regresyjnych do problemów z dziedziny mediów społecznościowych, uwzględniając tradycyjne algorytmy ML oraz głębokie sieci neuronowe.
Prezentacja z Warszawskich Dni Informatyki 2021
Facebook Audience Insights – czyli czym interesują się polscy użytkownicy Fac...
Facebook Audience Insights – czyli czym interesują się polscy użytkownicy Facebooka
Estymowana liczba polskich użytkowników Facebooka to około 20 mln osób - jest to duża grupa społeczna, która jest zróżnicowana demograficznie, przestrzennie czy pod względem sieci zainteresowań. Dzięki tym danym można sprawdzić czym interesuje się lub jakimi zachowaniami cechuje się przeciętny użytkownik Facebooka w danej lokalizacji bądź grupie. Dane te są niezwykle cenne nie tylko dla marketerów czy polityków w celu odpowiedniego targetowania reklam, ale także dla szerokiej grupy badaczy, socjologów czy właśnie politologów, których celem badawczym jest sprawdzenie czym interesuje się dana grupa społeczno-demograficzna. Na uwagę zasługuje również to, iż prowadząc odpowiedni monitoring można obserwować zmiany w zainteresowaniach oraz zachowaniu użytkowników Facebooka - bowiem estymowana grupa odbiorców jest na bieżąco aktualizowana i zmienia się w czasie. Natomiast dzięki wykorzystaniu metod badań sieci społecznych (SNA) i sprawdzeniu liczby, siły i centralności powiązań między poszczególnymi kategoriami zainteresowań możliwe jest sprawdzenie czy pomiędzy poszczególnymi zainteresowaniami występują zależności. Jest co cenna wiedza chociażby dla marketerów ze względu na możliwość dotarcia z jeszcze bardziej spersonalizowanymi treściami do bardziej odpowiedniej grupy odbiorców. W wystąpieniu zostanie przeprowadzone studium przypadku którego celem będzie sprawdzenie występujących zależności pomiędzy poszczególnymi kategoriami zainteresowań na Facebooku. Badanie zostanie przeprowadzone na podstawie danych pobranych z narzędzia Facebook Audience Insights oraz przy użyciu języka R. W trakcie wystąpienia zostaną również zaprezentowane pakiety za pomocą których możliwe jest przeprowadzenie badania SNA w R.
Prezentacja z Warszawskich Dni Informatyki 2021
Human-in-the-loop (HILT) machine learning i augmentacja danych, czyli jak zbu...
Human-in-the-loop (HILT) machine learning i augmentacja danych, czyli jak zbudować model analizy sentymentu do moderowania polskich dyskusji na Facebooku
Prezentacja Dominiki Sagan z Sotrendera
Rozpoznawanie treści obrazów na kreacjach reklam na Facebooku z wykorzystanie...
Modele do rozpoznawania obrazów i wykrywania tekstów i obiektów na zdjęciach rozwijają się już od dłuższego czasu. Jednak z różnych przyczyn ich dostępność oraz możliwości skorzystania mogą być ograniczone. Mogą to być koszty użycia (na przykład ze względu na dostęp do mocy obliczeniowej), brak danych treningowych czy też brak umiejętności technicznych badacza. Do przeprowadzenia badania może też nie być wystarczająco dużo czasu, aby budować i trenować modele. Aby minimalizować czas oraz koszt prowadzenia badania możliwe jest korzystanie z istniejących już narzędzi, np. Google Vision API. Za jego pomocą możliwe jest szybkie oraz wygodne rozpoznawanie obrazów, wykrywanie znajdujących się na nim obiektów, krajobrazów, ludzi oraz zwierząt a także tekstów umieszczonych na zdjęciach. Dzięki korzystaniu z takich rozwiązań nie jest wymagane posiadanie modeli treningowych ani dostępu do mocy obliczeniowej. Google Vision API oferuje zaawansowane, wstępnie przeszkolone modele uczenia maszynowego za pośrednictwem interfejsów API RST i RPC. Dzięki temu analityk może odpytać API o interesujące go rzeczy i następnie przejść do prowadzenia badania. Z możliwości Google Vision API można skorzystać także przy wykorzystaniu języka R dzięki pakietowi google Cloud Vision R. W wystąpieniu zostaną zaprezentowane metody wykorzystania opisanych powyżej narzędzi. Zostanie przeprowadzone studium przypadku – przeprowadzenie rozpoznawania tekstów, osób oraz zawartości obrazów na zdjęciach wykorzystywanych w reklamach politycznych na Facebooku w trakcie trwania kampanii prezydenckiej. Dzięki możliwościom rozpoznawania tekstu możliwe jest przeanalizowanie treści umieszczonych na zdjęciach w postach sponsorowanych oraz przeanalizowanie najpopularniejszych haseł wykorzystywanych przez poszczególnych kandydatów, a dzięki wykrywaniu znajdujących się na grafice obiektów – możliwe jest sprawdzenie w jakim kontekście te hasła występują. W wyniku otwarcia przez Facebook Biblioteki Reklam badacze, dziennikarze oraz opinia publiczna otrzymali dostęp do nowego narzędzia, które zwiększa przejrzystość targetowanych treści politycznych. Jednak aby kontrolować i weryfikować reklamy polityczne, badacze muszą korzystać z odpowiednich narzędzi. Nie posiadając wytrenowanych wcześniej modeli badacz może sięgnąć właśnie po gotowe rozwiązanie, jakim jest Google Vision API.
Predykcja efektywności działań marketingowych w serwisie Facebook
O tym, że serwis Facebook dla wielu osób stanowi źródło rozrywki i komunikacji wie już każdy. Jednak nie każdy wie, że ze względu na swoją popularność jest on coraz częściej wykorzystywany przez firmy do prowadzenia działań marketingowych. Jednym z kluczowych aspektów staje się optymalizowanie publikowanych reklam w taki sposób, aby spełniały one stawiane przed nimi cele. Pierwszym krokiem w tym kierunku jest predykcja efektywności/popularności reklam.
W prezentacji tej opowiedzieliśmy, jak zagadnienie badania efektywności działań marketingowych zostało zaadresowane w Sotrender. Przedstawiliśmy strukturę Facebook Marketing API oraz opisaliśmy nasze rozwiązanie do pozyskiwania danych. Omówiliśmy, dlaczego zdefiniowanie zmiennej celu jest problematyczne oraz pokazaliśmy, jak stworzyć model, który działa w oparciu o dane tekstowe, obrazowe oraz parametry konfiguracyjne reklamy.
Prezentacja z Data Science Summit 2020
Trenowanie i wdrażanie modeli uczenia maszynowego z wykorzystaniem Google Clo...
Okej, mam już mój świetny model w Notebooku, co dalej? Większość kursów i źródeł dotyczących uczenia maszynowego dobrze przygotowuje nas do implementacji algorytmów uczenia maszynowego i budowy mniej lub bardziej skomplikowanych modeli. Jednak w większości przypadków model jest jedynie małym fragmentem większego systemu, a jego wdrożenie i utrzymywanie okazuje się w praktyce procesem czasochłonnym i generującym rozmaite błędy. Problem potęguje się kiedy mamy do sproduktyzowania nie jeden, a więcej modeli. Choć z roku na rok powstaje coraz więcej narzędzi i platform do usprawnienia tego procesu, jest to zagadnienie któremu wciąż poświęca się stosunkowo mało uwagi.
W mojej prezentacji przedstawię jakich podejść, dobrych praktyk oraz narzędzi i usług Google Cloud Platform używamy w Sotrender do efektywnego trenowania i produktyzacji naszych modeli ML, służących do analizy danych z mediów społecznościowych. Omówię na które aspekty DevOps zwracamy uwagę w kontekście wytwarzania produktów opartych o modele ML (MLOps) i jak z wykorzystaniem Google Cloud Platform można je w łatwy sposób wdrożyć w swoim startupie lub firmie.
Prezentacja Macieja Pieńkosza z Sotrendera poczas Data Science Summit 2020
Wykrywanie mowy nienawiści w języku polskim
W prezentacji został poruszony problem wykrywania mowy nienawiści w danych tekstowych, pochodzących głównie z mediów społecznościowych.
Mowa nienawiści jest problemem coraz częściej spotykanym w różnych sposobach komunikacji, zwłaszcza tych elektronicznych. Istnieje wiele źródeł tego zjawiska, takie jak brak zahamowań podczas komunikacji online lub złudne poczucie bezpieczeństwa i anonimowości, często określane jako “online disinhibition effect”. Wraz ze wzrostem liczby szkodliwych wiadomości, rośnie też liczba automatycznych systemów, które są w stanie je wykrywać. Niewątpliwie, w dzisiejszych czasach najlepsze wyniki w modelowaniu języka osiągają modele oparte na uczeniu głębokim, które posiadają coraz większe zrozumienie języka. Pomimo szybkiego tempa rozwoju dziedziny NLP, powszechne zastosowanie tych modeli jest często mocno ograniczone. Wynika to z tego, że modele są często przeznaczone do jednego wybranego języka.
Prezentacja Mikołaja Małkińskiego z Sotrendera na konferencji AI & NLP Day 2020
Federated Learning: Budowanie modeli uczenia maszynowego bez wglądu w rozpros...
Federated Learning: Budowanie modeli uczenia maszynowego bez wglądu w rozproszone dane
Powszechnie stosowanym podejściem do budowy modeli uczenia maszynowego jest scentralizowane uczenie (centralised learning). Zbieramy wszystkie dostępne dane na maszynę centralną, przygotowuje zbiór treningowy, walidacyjny oraz testowy i uczymy nasz nowy model. Jednakże, w niektórych przypadkach dane dostępne na urządzeniach lokalnych nie mogę zostać przesłane i zgromadzone centralnie. Głównym powodem jest poufność tych danych czy ograniczenia związane z ich wielkością i możliwością przesłana. Rozwiązaniem, które pozwala na uczenie modeli globalnych na wszystkich danych rozproszonych po wielu urządzeniach brzegowych (edge device) lub serwerach bez bezpośredniego wglądu do tych danych jest Federated Learning. W trakcie prezentacji zostaną omówione wszystkie główne zagadnienia związane z tym podejściem oraz wskazane dlaczego to podejście może być wykorzystane również w przypadku firm, które nie korzystają z danych zbieranych przez urządzenia typu edge device.
Prezentacja Rafała Wojdana z Sotrendera na AI & NLP Day 2020
Prawdziwe oblicze tekstu, czyli jak rozmawiamy w sieci [WDI 2019]
Prawdziwe oblicze tekstu, czyli jak rozmawiamy w sieci
Prezentacja z Warszawskich Dni Informatyki 2019
Ślady cyfrowe - sposoby na analizowanie aktywności internautów i działań rekl...
Jak analizować ślady cyfrowe?
Przedstawiamy różne aspekty zbierania i wykorzystywania danych o zachowaniach i preferencjach użytkowników przez platformy społecznościowe, w tym rozwiązania takie jak:
- Biblioteka reklam Facebooka (Facebook Ads Library),
- Statystyki grup odbiorców (Facebook Audience Insights),
- Google Moja Firma (Google My Business),
- oraz przykłady z badań Sotrendera z użyciem modeli machine learningowych stworzonych w celu rozpoznawania emocji, sentymentu i hate speechu.
Część wniosków pochodzi z projektu ,,Kto Cię namierzył”, prowadzonego wspólnie z Fundacją Panoptykon i Fundacją ePaństwo. Wspominamy o sposobach targetowania reklam oraz o budżetach reklamowych znanych polityków: Janusz Korwin-Mikke,
Donald Trump czy Mike Bloomberg.
Bajki robotów? Machine Learning in Digital Marketing | Konferencja In Digital...
Czy sztuczna inteligencja (AI), a zwłaszcza machine learning zmieniają oblicze branży interaktywnej?
Jak korzystają z tego platformy takie jak Facebook czy Google, a jak - ich klienci?
Które zadania wykonywane przez marketerów, agencje i domy mediowe już teraz można automatyzować?
W jaki sposób algorytmy wpływają nawet na obszary wymagające kreatywności, jak tworzenie treści?
Oraz jak marketerzy mogą obronić się przed zagładą i nadciągającą robotyczną apokalipsą?
Sprawdźcie, jakie zastosowania Machine Learningu są dla Was dostępne już teraz, jak wykorzystać je do zwiększenia ROI swoich kampanii oraz jak nie dać się nabrać na chwytliwe obietnice.
Sztuczna inteligencja w marketingu | Infoshare 2019
Co zrobił zespół R&D w Sotrenderze i dlaczego robotyczna apokalipsa została przełożona na później.
Prezentacja z konferencji Infoshare 2019
Pragmatic Machine Learning in Business
Tzw. sztuczna inteligencja, a zwłaszcza uczenie maszynowe, to jeden z najważniejszych trendów we współczesnym biznesie. W jaki sposób zmieni rzeczywistość badań, firm badawczych i ich klientów?
Wykorzystanie Big Data i cyfrowego śladu w naukach psychologicznych i społecz...
Czym są dane cyfrowe i jak są zbierane?
To nie tylko dane dotyczące zachowań w internecie, ale też internetowe ślady zachowań ze świata rzeczywistego.
Jak badać problemy psychologii społecznej w sposób niereaktywny? Jak wyglądało to kiedyś?
Jak wykorzystywać dane pochodzące z Facebooka? Jakie ograniczenia związane są z wykorzystaniem Big Data?
Tego wszystkiego dowiecie się z naszej prezentacji!
Jak wykorzystać social media w badaniach i jak przełożyć to na decyzje związa...
Analiza danych jest istotna zarówno przed, w trakcie, jak i po kampaniach przeprowadzonych w mediach społecznościowych. Dlaczego? Jak może usprawnić marketing i obsługę klienta?
Prezentacja wygłoszona w ramach spotkań Socjoevent, organizowanych przez Socjomanię.
Obsługa klienta w social media
Dlaczego warto uwzględniać media społecznościowe w organizacji procesów obsługi klienta oraz kiedy takie podejście może się nie opłacić? Jakie są różnice między social care w B2B a w B2C? Dowiecie się tego z naszej prezentacji!
Jakimi wartościami kieruje się Twoja grupa docelowa? [Listonic Case Study]
Z pewnością większość osób związanych z szeroko pojętym marketingiem wie już jak ważne jest ciągłe poznawanie swojej grupy docelowej. W Sotrenderze również dostrzegamy rosnący trend, jeśli chodzi o dążenia firm, do poszerzania swojej wiedzy na temat zarówno obecnych jak i potencjalnych klientów. Odpowiedzią na te zapotrzebowania są m.in. badania Audience Scan.
Dziś przedstawiamy najciekawsze wnioski z Audience Scanu, który przeprowadziliśmy dla firmy Listonic.
Każde pokolenie ma swój czas? Różnice generacyjne a dane z mediów społecznośc...
Kim są millenialsi? Czy to tylko tzw. pokolenie Y, urodzone gdzieś między 1984 a 1997 rokiem? Jak bardzo ich znamy? Jak komunikujemy się z nimi? Czy wszystko co wiemy, jest nadal słuszne w obliczu ogromu danych pochodzących z mediów społecznościowych? Postanowiliśmy to sprawdzić. Prezentacja wygłoszona w ramach Forum IAB 2017.
Poszerzanie pola walki - czyli z kim tak naprawdę konkurujecie?
Obecnie każdy biznes technologiczny konkuruje w jakiś sposób z gigantami takimi jak Facebook czy Google. Jakie w związku z tym są szanse, zagrożenia czy przyjmowane strategie? Prezentacja wygłoszona przez dr Jana Zająca w ramach konferencji Forum IAB 2017.
Mallkołaj rozdaje prezenty - Case Study z akcji Mall.pl i Los Videos
Jak mały gracz typu mall.pl - w Polsce mało znany i nie posiadający dużych budżetów reklamowych może przebić się ze swoją ofertą w okresie świątecznym? Wystarczy, że zawładnie ikoną świąt! Sprawdźcie, czy to się im udało ;)
Kilka praktycznych sposobów na wykorzystanie danych z social media w marketingu
Dziś niemal każda firma korzysta z mediów społecznościowych i jest w nich (bardziej lub mniej) aktywna. Nie każda jednak zdaje sobie sprawę jak pobierać i przetwarzać, dla swoich potrzeb i użytkowników korzyści, dane. Zaprezentujemy kilka praktycznych sposobów.
Prezentacja wygłoszona w ramach konferencji EastMedia 2017.
More Related Content
More from Sotrender
Facebook Audience Insights – czyli czym interesują się polscy użytkownicy Fac...
Facebook Audience Insights – czyli czym interesują się polscy użytkownicy Facebooka
Estymowana liczba polskich użytkowników Facebooka to około 20 mln osób - jest to duża grupa społeczna, która jest zróżnicowana demograficznie, przestrzennie czy pod względem sieci zainteresowań. Dzięki tym danym można sprawdzić czym interesuje się lub jakimi zachowaniami cechuje się przeciętny użytkownik Facebooka w danej lokalizacji bądź grupie. Dane te są niezwykle cenne nie tylko dla marketerów czy polityków w celu odpowiedniego targetowania reklam, ale także dla szerokiej grupy badaczy, socjologów czy właśnie politologów, których celem badawczym jest sprawdzenie czym interesuje się dana grupa społeczno-demograficzna. Na uwagę zasługuje również to, iż prowadząc odpowiedni monitoring można obserwować zmiany w zainteresowaniach oraz zachowaniu użytkowników Facebooka - bowiem estymowana grupa odbiorców jest na bieżąco aktualizowana i zmienia się w czasie. Natomiast dzięki wykorzystaniu metod badań sieci społecznych (SNA) i sprawdzeniu liczby, siły i centralności powiązań między poszczególnymi kategoriami zainteresowań możliwe jest sprawdzenie czy pomiędzy poszczególnymi zainteresowaniami występują zależności. Jest co cenna wiedza chociażby dla marketerów ze względu na możliwość dotarcia z jeszcze bardziej spersonalizowanymi treściami do bardziej odpowiedniej grupy odbiorców. W wystąpieniu zostanie przeprowadzone studium przypadku którego celem będzie sprawdzenie występujących zależności pomiędzy poszczególnymi kategoriami zainteresowań na Facebooku. Badanie zostanie przeprowadzone na podstawie danych pobranych z narzędzia Facebook Audience Insights oraz przy użyciu języka R. W trakcie wystąpienia zostaną również zaprezentowane pakiety za pomocą których możliwe jest przeprowadzenie badania SNA w R.
Prezentacja z Warszawskich Dni Informatyki 2021
Human-in-the-loop (HILT) machine learning i augmentacja danych, czyli jak zbu...
Human-in-the-loop (HILT) machine learning i augmentacja danych, czyli jak zbudować model analizy sentymentu do moderowania polskich dyskusji na Facebooku
Prezentacja Dominiki Sagan z Sotrendera
Rozpoznawanie treści obrazów na kreacjach reklam na Facebooku z wykorzystanie...
Modele do rozpoznawania obrazów i wykrywania tekstów i obiektów na zdjęciach rozwijają się już od dłuższego czasu. Jednak z różnych przyczyn ich dostępność oraz możliwości skorzystania mogą być ograniczone. Mogą to być koszty użycia (na przykład ze względu na dostęp do mocy obliczeniowej), brak danych treningowych czy też brak umiejętności technicznych badacza. Do przeprowadzenia badania może też nie być wystarczająco dużo czasu, aby budować i trenować modele. Aby minimalizować czas oraz koszt prowadzenia badania możliwe jest korzystanie z istniejących już narzędzi, np. Google Vision API. Za jego pomocą możliwe jest szybkie oraz wygodne rozpoznawanie obrazów, wykrywanie znajdujących się na nim obiektów, krajobrazów, ludzi oraz zwierząt a także tekstów umieszczonych na zdjęciach. Dzięki korzystaniu z takich rozwiązań nie jest wymagane posiadanie modeli treningowych ani dostępu do mocy obliczeniowej. Google Vision API oferuje zaawansowane, wstępnie przeszkolone modele uczenia maszynowego za pośrednictwem interfejsów API RST i RPC. Dzięki temu analityk może odpytać API o interesujące go rzeczy i następnie przejść do prowadzenia badania. Z możliwości Google Vision API można skorzystać także przy wykorzystaniu języka R dzięki pakietowi google Cloud Vision R. W wystąpieniu zostaną zaprezentowane metody wykorzystania opisanych powyżej narzędzi. Zostanie przeprowadzone studium przypadku – przeprowadzenie rozpoznawania tekstów, osób oraz zawartości obrazów na zdjęciach wykorzystywanych w reklamach politycznych na Facebooku w trakcie trwania kampanii prezydenckiej. Dzięki możliwościom rozpoznawania tekstu możliwe jest przeanalizowanie treści umieszczonych na zdjęciach w postach sponsorowanych oraz przeanalizowanie najpopularniejszych haseł wykorzystywanych przez poszczególnych kandydatów, a dzięki wykrywaniu znajdujących się na grafice obiektów – możliwe jest sprawdzenie w jakim kontekście te hasła występują. W wyniku otwarcia przez Facebook Biblioteki Reklam badacze, dziennikarze oraz opinia publiczna otrzymali dostęp do nowego narzędzia, które zwiększa przejrzystość targetowanych treści politycznych. Jednak aby kontrolować i weryfikować reklamy polityczne, badacze muszą korzystać z odpowiednich narzędzi. Nie posiadając wytrenowanych wcześniej modeli badacz może sięgnąć właśnie po gotowe rozwiązanie, jakim jest Google Vision API.
Predykcja efektywności działań marketingowych w serwisie Facebook
O tym, że serwis Facebook dla wielu osób stanowi źródło rozrywki i komunikacji wie już każdy. Jednak nie każdy wie, że ze względu na swoją popularność jest on coraz częściej wykorzystywany przez firmy do prowadzenia działań marketingowych. Jednym z kluczowych aspektów staje się optymalizowanie publikowanych reklam w taki sposób, aby spełniały one stawiane przed nimi cele. Pierwszym krokiem w tym kierunku jest predykcja efektywności/popularności reklam.
W prezentacji tej opowiedzieliśmy, jak zagadnienie badania efektywności działań marketingowych zostało zaadresowane w Sotrender. Przedstawiliśmy strukturę Facebook Marketing API oraz opisaliśmy nasze rozwiązanie do pozyskiwania danych. Omówiliśmy, dlaczego zdefiniowanie zmiennej celu jest problematyczne oraz pokazaliśmy, jak stworzyć model, który działa w oparciu o dane tekstowe, obrazowe oraz parametry konfiguracyjne reklamy.
Prezentacja z Data Science Summit 2020
Trenowanie i wdrażanie modeli uczenia maszynowego z wykorzystaniem Google Clo...
Okej, mam już mój świetny model w Notebooku, co dalej? Większość kursów i źródeł dotyczących uczenia maszynowego dobrze przygotowuje nas do implementacji algorytmów uczenia maszynowego i budowy mniej lub bardziej skomplikowanych modeli. Jednak w większości przypadków model jest jedynie małym fragmentem większego systemu, a jego wdrożenie i utrzymywanie okazuje się w praktyce procesem czasochłonnym i generującym rozmaite błędy. Problem potęguje się kiedy mamy do sproduktyzowania nie jeden, a więcej modeli. Choć z roku na rok powstaje coraz więcej narzędzi i platform do usprawnienia tego procesu, jest to zagadnienie któremu wciąż poświęca się stosunkowo mało uwagi.
W mojej prezentacji przedstawię jakich podejść, dobrych praktyk oraz narzędzi i usług Google Cloud Platform używamy w Sotrender do efektywnego trenowania i produktyzacji naszych modeli ML, służących do analizy danych z mediów społecznościowych. Omówię na które aspekty DevOps zwracamy uwagę w kontekście wytwarzania produktów opartych o modele ML (MLOps) i jak z wykorzystaniem Google Cloud Platform można je w łatwy sposób wdrożyć w swoim startupie lub firmie.
Prezentacja Macieja Pieńkosza z Sotrendera poczas Data Science Summit 2020
Wykrywanie mowy nienawiści w języku polskim
W prezentacji został poruszony problem wykrywania mowy nienawiści w danych tekstowych, pochodzących głównie z mediów społecznościowych.
Mowa nienawiści jest problemem coraz częściej spotykanym w różnych sposobach komunikacji, zwłaszcza tych elektronicznych. Istnieje wiele źródeł tego zjawiska, takie jak brak zahamowań podczas komunikacji online lub złudne poczucie bezpieczeństwa i anonimowości, często określane jako “online disinhibition effect”. Wraz ze wzrostem liczby szkodliwych wiadomości, rośnie też liczba automatycznych systemów, które są w stanie je wykrywać. Niewątpliwie, w dzisiejszych czasach najlepsze wyniki w modelowaniu języka osiągają modele oparte na uczeniu głębokim, które posiadają coraz większe zrozumienie języka. Pomimo szybkiego tempa rozwoju dziedziny NLP, powszechne zastosowanie tych modeli jest często mocno ograniczone. Wynika to z tego, że modele są często przeznaczone do jednego wybranego języka.
Prezentacja Mikołaja Małkińskiego z Sotrendera na konferencji AI & NLP Day 2020
Federated Learning: Budowanie modeli uczenia maszynowego bez wglądu w rozpros...
Federated Learning: Budowanie modeli uczenia maszynowego bez wglądu w rozproszone dane
Powszechnie stosowanym podejściem do budowy modeli uczenia maszynowego jest scentralizowane uczenie (centralised learning). Zbieramy wszystkie dostępne dane na maszynę centralną, przygotowuje zbiór treningowy, walidacyjny oraz testowy i uczymy nasz nowy model. Jednakże, w niektórych przypadkach dane dostępne na urządzeniach lokalnych nie mogę zostać przesłane i zgromadzone centralnie. Głównym powodem jest poufność tych danych czy ograniczenia związane z ich wielkością i możliwością przesłana. Rozwiązaniem, które pozwala na uczenie modeli globalnych na wszystkich danych rozproszonych po wielu urządzeniach brzegowych (edge device) lub serwerach bez bezpośredniego wglądu do tych danych jest Federated Learning. W trakcie prezentacji zostaną omówione wszystkie główne zagadnienia związane z tym podejściem oraz wskazane dlaczego to podejście może być wykorzystane również w przypadku firm, które nie korzystają z danych zbieranych przez urządzenia typu edge device.
Prezentacja Rafała Wojdana z Sotrendera na AI & NLP Day 2020
Prawdziwe oblicze tekstu, czyli jak rozmawiamy w sieci [WDI 2019]
Prawdziwe oblicze tekstu, czyli jak rozmawiamy w sieci
Prezentacja z Warszawskich Dni Informatyki 2019
Ślady cyfrowe - sposoby na analizowanie aktywności internautów i działań rekl...
Jak analizować ślady cyfrowe?
Przedstawiamy różne aspekty zbierania i wykorzystywania danych o zachowaniach i preferencjach użytkowników przez platformy społecznościowe, w tym rozwiązania takie jak:
- Biblioteka reklam Facebooka (Facebook Ads Library),
- Statystyki grup odbiorców (Facebook Audience Insights),
- Google Moja Firma (Google My Business),
- oraz przykłady z badań Sotrendera z użyciem modeli machine learningowych stworzonych w celu rozpoznawania emocji, sentymentu i hate speechu.
Część wniosków pochodzi z projektu ,,Kto Cię namierzył”, prowadzonego wspólnie z Fundacją Panoptykon i Fundacją ePaństwo. Wspominamy o sposobach targetowania reklam oraz o budżetach reklamowych znanych polityków: Janusz Korwin-Mikke,
Donald Trump czy Mike Bloomberg.
Bajki robotów? Machine Learning in Digital Marketing | Konferencja In Digital...
Czy sztuczna inteligencja (AI), a zwłaszcza machine learning zmieniają oblicze branży interaktywnej?
Jak korzystają z tego platformy takie jak Facebook czy Google, a jak - ich klienci?
Które zadania wykonywane przez marketerów, agencje i domy mediowe już teraz można automatyzować?
W jaki sposób algorytmy wpływają nawet na obszary wymagające kreatywności, jak tworzenie treści?
Oraz jak marketerzy mogą obronić się przed zagładą i nadciągającą robotyczną apokalipsą?
Sprawdźcie, jakie zastosowania Machine Learningu są dla Was dostępne już teraz, jak wykorzystać je do zwiększenia ROI swoich kampanii oraz jak nie dać się nabrać na chwytliwe obietnice.
Sztuczna inteligencja w marketingu | Infoshare 2019
Co zrobił zespół R&D w Sotrenderze i dlaczego robotyczna apokalipsa została przełożona na później.
Prezentacja z konferencji Infoshare 2019
Pragmatic Machine Learning in Business
Tzw. sztuczna inteligencja, a zwłaszcza uczenie maszynowe, to jeden z najważniejszych trendów we współczesnym biznesie. W jaki sposób zmieni rzeczywistość badań, firm badawczych i ich klientów?
Wykorzystanie Big Data i cyfrowego śladu w naukach psychologicznych i społecz...
Czym są dane cyfrowe i jak są zbierane?
To nie tylko dane dotyczące zachowań w internecie, ale też internetowe ślady zachowań ze świata rzeczywistego.
Jak badać problemy psychologii społecznej w sposób niereaktywny? Jak wyglądało to kiedyś?
Jak wykorzystywać dane pochodzące z Facebooka? Jakie ograniczenia związane są z wykorzystaniem Big Data?
Tego wszystkiego dowiecie się z naszej prezentacji!
Jak wykorzystać social media w badaniach i jak przełożyć to na decyzje związa...
Analiza danych jest istotna zarówno przed, w trakcie, jak i po kampaniach przeprowadzonych w mediach społecznościowych. Dlaczego? Jak może usprawnić marketing i obsługę klienta?
Prezentacja wygłoszona w ramach spotkań Socjoevent, organizowanych przez Socjomanię.
Obsługa klienta w social media
Dlaczego warto uwzględniać media społecznościowe w organizacji procesów obsługi klienta oraz kiedy takie podejście może się nie opłacić? Jakie są różnice między social care w B2B a w B2C? Dowiecie się tego z naszej prezentacji!
Jakimi wartościami kieruje się Twoja grupa docelowa? [Listonic Case Study]
Z pewnością większość osób związanych z szeroko pojętym marketingiem wie już jak ważne jest ciągłe poznawanie swojej grupy docelowej. W Sotrenderze również dostrzegamy rosnący trend, jeśli chodzi o dążenia firm, do poszerzania swojej wiedzy na temat zarówno obecnych jak i potencjalnych klientów. Odpowiedzią na te zapotrzebowania są m.in. badania Audience Scan.
Dziś przedstawiamy najciekawsze wnioski z Audience Scanu, który przeprowadziliśmy dla firmy Listonic.
Każde pokolenie ma swój czas? Różnice generacyjne a dane z mediów społecznośc...
Kim są millenialsi? Czy to tylko tzw. pokolenie Y, urodzone gdzieś między 1984 a 1997 rokiem? Jak bardzo ich znamy? Jak komunikujemy się z nimi? Czy wszystko co wiemy, jest nadal słuszne w obliczu ogromu danych pochodzących z mediów społecznościowych? Postanowiliśmy to sprawdzić. Prezentacja wygłoszona w ramach Forum IAB 2017.
Poszerzanie pola walki - czyli z kim tak naprawdę konkurujecie?
Obecnie każdy biznes technologiczny konkuruje w jakiś sposób z gigantami takimi jak Facebook czy Google. Jakie w związku z tym są szanse, zagrożenia czy przyjmowane strategie? Prezentacja wygłoszona przez dr Jana Zająca w ramach konferencji Forum IAB 2017.
Mallkołaj rozdaje prezenty - Case Study z akcji Mall.pl i Los Videos
Jak mały gracz typu mall.pl - w Polsce mało znany i nie posiadający dużych budżetów reklamowych może przebić się ze swoją ofertą w okresie świątecznym? Wystarczy, że zawładnie ikoną świąt! Sprawdźcie, czy to się im udało ;)
Kilka praktycznych sposobów na wykorzystanie danych z social media w marketingu
Dziś niemal każda firma korzysta z mediów społecznościowych i jest w nich (bardziej lub mniej) aktywna. Nie każda jednak zdaje sobie sprawę jak pobierać i przetwarzać, dla swoich potrzeb i użytkowników korzyści, dane. Zaprezentujemy kilka praktycznych sposobów.
Prezentacja wygłoszona w ramach konferencji EastMedia 2017.
More from Sotrender (20)
Facebook Audience Insights – czyli czym interesują się polscy użytkownicy Fac...
Facebook Audience Insights – czyli czym interesują się polscy użytkownicy Fac...
Human-in-the-loop (HILT) machine learning i augmentacja danych, czyli jak zbu...
Human-in-the-loop (HILT) machine learning i augmentacja danych, czyli jak zbu...
Rozpoznawanie treści obrazów na kreacjach reklam na Facebooku z wykorzystanie...
Rozpoznawanie treści obrazów na kreacjach reklam na Facebooku z wykorzystanie...
Predykcja efektywności działań marketingowych w serwisie Facebook
Predykcja efektywności działań marketingowych w serwisie Facebook
Trenowanie i wdrażanie modeli uczenia maszynowego z wykorzystaniem Google Clo...
Trenowanie i wdrażanie modeli uczenia maszynowego z wykorzystaniem Google Clo...
Federated Learning: Budowanie modeli uczenia maszynowego bez wglądu w rozpros...
Federated Learning: Budowanie modeli uczenia maszynowego bez wglądu w rozpros...
Prawdziwe oblicze tekstu, czyli jak rozmawiamy w sieci [WDI 2019]
Prawdziwe oblicze tekstu, czyli jak rozmawiamy w sieci [WDI 2019]
Ślady cyfrowe - sposoby na analizowanie aktywności internautów i działań rekl...
Ślady cyfrowe - sposoby na analizowanie aktywności internautów i działań rekl...
Bajki robotów? Machine Learning in Digital Marketing | Konferencja In Digital...
Bajki robotów? Machine Learning in Digital Marketing | Konferencja In Digital...
Sztuczna inteligencja w marketingu | Infoshare 2019
Sztuczna inteligencja w marketingu | Infoshare 2019
Wykorzystanie Big Data i cyfrowego śladu w naukach psychologicznych i społecz...
Wykorzystanie Big Data i cyfrowego śladu w naukach psychologicznych i społecz...
Jak wykorzystać social media w badaniach i jak przełożyć to na decyzje związa...
Jak wykorzystać social media w badaniach i jak przełożyć to na decyzje związa...
Jakimi wartościami kieruje się Twoja grupa docelowa? [Listonic Case Study]
Jakimi wartościami kieruje się Twoja grupa docelowa? [Listonic Case Study]
Każde pokolenie ma swój czas? Różnice generacyjne a dane z mediów społecznośc...
Każde pokolenie ma swój czas? Różnice generacyjne a dane z mediów społecznośc...
Poszerzanie pola walki - czyli z kim tak naprawdę konkurujecie?
Poszerzanie pola walki - czyli z kim tak naprawdę konkurujecie?
Mallkołaj rozdaje prezenty - Case Study z akcji Mall.pl i Los Videos
Mallkołaj rozdaje prezenty - Case Study z akcji Mall.pl i Los Videos
Kilka praktycznych sposobów na wykorzystanie danych z social media w marketingu
Kilka praktycznych sposobów na wykorzystanie danych z social media w marketingu
Twitter w liczbach
- 1. Twitter w liczbach Hubert Tworkowski Head of Sales, Sotrender hubert@sotrender.com
- 12. 2014 Źródło: Megapanel Styczeń 2014, Styczeń 2015
- 13. 2015 Źródło: Megapanel Styczeń 2014, Styczeń 2015
- 14. 2014 2015 + 1 334 483 - 3 941 863 + 203 150 Źródło: Megapanel Styczeń 2014, Styczeń 2015
- 15. Jakie zmiany w 2014? • oficjalny partner sprzedający reklamy na Twitterze - 140 media • większe zainteresowanie po stronie klientów • wystartowały raporty Twitter Trends
- 17. twitter trends 03.2015 Wszystkie nasze raporty trends dostępne na stronie http://www.sotrender.pl/reports
- 18. twitter trends 03.2015 Wszystkie nasze raporty trends dostępne na stronie http://www.sotrender.pl/reports
- 19. zmiana liczby profili w trends 0 250 500 750 1000 01.2014 03.2014 05.2014 07.2014 09.2014 11.2014 01.2015 03.2015 pierwsze Twitter trends
- 20. Dobór profili do twitter trends • Nie ma gotowej listy od Twittera • Częściowo uzupełniane ręcznie • Głównie profile jakkolwiek związane z marketingiem • Jeśli nie ma Twojej marki w jakiejś kategorii, a uważasz, że powinna być to napisz nam maila: support@sotrender.com
- 21. Warto obserwować na twitterze
- 28. Dziękuje za uwagę Hubert Tworkowski Head of Sales, Sotrender hubert@sotrender.com