YouTube w Polsce - podsumowanie 2016 r.
•
0 likes•376 views
YouTube jest jednym z najważniejszych mediów społecznościowych. Dobrze o tym wiemy w Sotrenderze, dlatego bacznie obserwujemy rozwój tej platformy, przygotowując comiesięczne raporty YouTube Trends oraz analizy dotyczące przyszłości wideo w internecie. 2016 rok na YouTube nie miał tak zdecydowanego lidera, jak lata poprzednie. W 2015 roku bezkonkurencyjny okazał się Popek, a rok wcześniej SA Wardęga. Najchętniej oglądanym wideo w zeszłym roku był teledysk do piosenki “Tamta dziewczyna” Sylwii Grzeszczak. Jednak najsilniejszą społeczność na YouTube mają nie muzycy, lecz vlogerzy. Najpopularniejsi z nich są niczym gwiazdy rocka. 2016 rok przyniósł także drugi kanał, który przekroczył miliard wyświetleń, do Step Records dołączyła inna rapowa wytwórnia – PROSTO.
Report
Share
Report
Share
Download to read offline
Recommended
Poznaj swojego odbiorcę - social media jako źródło wiedzy dla Twojej marki
Prezentacja wygłoszona na 36. Czwartku Social Media w Białymstoku. Czego możecie dowiedzieć się o swoich odbiorcach korzystając z social media?
Email marketing a media społecznościowe – czyli kim Są Twoi subskrybenci?
Czy media społecznościowe idą w parze z email marketingiem? Co o Twoich subskrybentach mogą powiedzieć Ci dane z Facebooka?
Prezentacja wygłoszona w czasie konferencji Mail My Day w marcu 2017r.
Twitter w Polsce – podsumowanie 2016 r.
Twitter w Polsce nie ma lekko. Mimo coraz lepszego zrozumienia platformy, nadal często spotyka się głosy, że jest to tylko medium dziennikarzy, polityków i blogerów (no, może jeszcze ewentualnie gimnazjalistów). Jeśli z drugą częścią zdecydowanie możemy się zgodzić (choć oczywiście nie tylko oni tam się udzielają), to pierwsza budzi już wątpliwości. Świadczy o tym chociażby fakt, że przeciętne konto na Twitterze obserwuje o 23 procent więcej użytkowników, niż przed rokiem, a tweety dostają średnio o 22 procent więcej polubień. Sotrender skrupulatnie zbierał w ubiegłym roku wszystkie te dane, by teraz móc je zwizualizować z pomocą niezastąpionego panwizualny.pl.
Audience Scan - badanie odbiorców na podstawie danych z social media
Użytkownicy social media na bieżąco wyrażają swoje preferencje poprzez zachowania takie jak polubienia, kliki czy komentarze. Łącząc umiejętnie dane z różnych źródeł (baza Sotrendera, panel reklamowy Facebooka, Custom Audiences, itd.) i analizując je pod kątem ustalonych grup docelowych, można dokładnie opisać profil wybranych grup użytkowników. Są to rzeczywiste dane o zachowaniu, a nie deklaracje, zbierane zwykle w ankietach czy grupach fokusowych.
Badanie postrzegania marki w sieci
Badanie wzmianek i wypowiedzi w Internecie w oparciu o dane zbieranie przez Sotrender oraz systemy social media listening (Brand24, SentiOne). Analiza ilościowa i jakościowa, z wykorzystaniem autorskiej metody klasyfikacji opartej o występowanie danych słów kluczowych (wyłonionych w drodze ręcznej kategoryzacji próby wspomaganej analizą skupień) oraz łańcuchów słów kluczowych w analizowanych wzmiankach. Dzięki współpracy z Instytutem Podstaw Informatyki PAN dodatkowo wykorzystujemy technologie analizy semantycznej i taksonomii semantycznej dla języka polskiego.
Paid communication analysis on Facebook. Reach and cost estimations report.
Over the years, we've developed and delivered dozens of reports for our clients, partners, and the media. From smaller, cyclical anlayses to big audits or year-end reports - we love to be challenged and squeeze out everything we can from our data. We constantly look for ways to improve our alogithms and educate the market about what data can tell them and how they can use it in every day work or in planning their strategy.
3 Benefits Of Hiring Marketing Contractors
Are you missing out on a huge segment of the workforce? Learn how hiring marketing contractors can save you money, expand your talent pool, and give you more flexibility.
Recommended
Poznaj swojego odbiorcę - social media jako źródło wiedzy dla Twojej marki
Prezentacja wygłoszona na 36. Czwartku Social Media w Białymstoku. Czego możecie dowiedzieć się o swoich odbiorcach korzystając z social media?
Email marketing a media społecznościowe – czyli kim Są Twoi subskrybenci?
Czy media społecznościowe idą w parze z email marketingiem? Co o Twoich subskrybentach mogą powiedzieć Ci dane z Facebooka?
Prezentacja wygłoszona w czasie konferencji Mail My Day w marcu 2017r.
Twitter w Polsce – podsumowanie 2016 r.
Twitter w Polsce nie ma lekko. Mimo coraz lepszego zrozumienia platformy, nadal często spotyka się głosy, że jest to tylko medium dziennikarzy, polityków i blogerów (no, może jeszcze ewentualnie gimnazjalistów). Jeśli z drugą częścią zdecydowanie możemy się zgodzić (choć oczywiście nie tylko oni tam się udzielają), to pierwsza budzi już wątpliwości. Świadczy o tym chociażby fakt, że przeciętne konto na Twitterze obserwuje o 23 procent więcej użytkowników, niż przed rokiem, a tweety dostają średnio o 22 procent więcej polubień. Sotrender skrupulatnie zbierał w ubiegłym roku wszystkie te dane, by teraz móc je zwizualizować z pomocą niezastąpionego panwizualny.pl.
Audience Scan - badanie odbiorców na podstawie danych z social media
Użytkownicy social media na bieżąco wyrażają swoje preferencje poprzez zachowania takie jak polubienia, kliki czy komentarze. Łącząc umiejętnie dane z różnych źródeł (baza Sotrendera, panel reklamowy Facebooka, Custom Audiences, itd.) i analizując je pod kątem ustalonych grup docelowych, można dokładnie opisać profil wybranych grup użytkowników. Są to rzeczywiste dane o zachowaniu, a nie deklaracje, zbierane zwykle w ankietach czy grupach fokusowych.
Badanie postrzegania marki w sieci
Badanie wzmianek i wypowiedzi w Internecie w oparciu o dane zbieranie przez Sotrender oraz systemy social media listening (Brand24, SentiOne). Analiza ilościowa i jakościowa, z wykorzystaniem autorskiej metody klasyfikacji opartej o występowanie danych słów kluczowych (wyłonionych w drodze ręcznej kategoryzacji próby wspomaganej analizą skupień) oraz łańcuchów słów kluczowych w analizowanych wzmiankach. Dzięki współpracy z Instytutem Podstaw Informatyki PAN dodatkowo wykorzystujemy technologie analizy semantycznej i taksonomii semantycznej dla języka polskiego.
Paid communication analysis on Facebook. Reach and cost estimations report.
Over the years, we've developed and delivered dozens of reports for our clients, partners, and the media. From smaller, cyclical anlayses to big audits or year-end reports - we love to be challenged and squeeze out everything we can from our data. We constantly look for ways to improve our alogithms and educate the market about what data can tell them and how they can use it in every day work or in planning their strategy.
3 Benefits Of Hiring Marketing Contractors
Are you missing out on a huge segment of the workforce? Learn how hiring marketing contractors can save you money, expand your talent pool, and give you more flexibility.
Adding Audio Feedback Using Vocaroo in Online Courses: Does it Add Value?
Drs. Andree Swanson, Maja Zelihic, Paula Zobisch, Renee Hill, Diane Hamilton, Brenda Forde, and Bill Davis conducted a qualitative study to identify the student perceptions of connection and engagement (e-connectivity) when listening to audio feedback provided through the free software, Vocaroo (a web-based service for sending voice messages). The working hypothesis was that providing audio feedback via Vocaroo would result in increased e-connectivity (social connection-engagement). The team of researchers used this in a variety of management, marketing, and accounting courses at the undergraduate and graduate level. The results were positive and further strengthened the desire for students’ e-connectivity and engagement.
Guru Puja | Kalki Avatar
There is no prayer equal to Guru there is no truth beyond Guru. It is the Truth. It is the Truth.
Twitter terms of service and privacy policy analysis
This slideshow outlines in simple English the key points in Twitter's terms of service and privacy policy.
Writing workshop 2016
How to write scientific research articles- from structuring your paper to polishing it, ethical issues in writing and figure preparation, and peer review
Formacao Preços para a Web
Slides de formação de preços para a Internet que fiz para um curso de Gestão do Conhecimento.
Open access repository at ILRI
Presented by Abenet Yabowork and Peter Ballantyne to UNECA visitors, Addis Ababa, 3 March 2016
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
More Related Content
Viewers also liked
Adding Audio Feedback Using Vocaroo in Online Courses: Does it Add Value?
Drs. Andree Swanson, Maja Zelihic, Paula Zobisch, Renee Hill, Diane Hamilton, Brenda Forde, and Bill Davis conducted a qualitative study to identify the student perceptions of connection and engagement (e-connectivity) when listening to audio feedback provided through the free software, Vocaroo (a web-based service for sending voice messages). The working hypothesis was that providing audio feedback via Vocaroo would result in increased e-connectivity (social connection-engagement). The team of researchers used this in a variety of management, marketing, and accounting courses at the undergraduate and graduate level. The results were positive and further strengthened the desire for students’ e-connectivity and engagement.
Guru Puja | Kalki Avatar
There is no prayer equal to Guru there is no truth beyond Guru. It is the Truth. It is the Truth.
Twitter terms of service and privacy policy analysis
This slideshow outlines in simple English the key points in Twitter's terms of service and privacy policy.
Writing workshop 2016
How to write scientific research articles- from structuring your paper to polishing it, ethical issues in writing and figure preparation, and peer review
Formacao Preços para a Web
Slides de formação de preços para a Internet que fiz para um curso de Gestão do Conhecimento.
Open access repository at ILRI
Presented by Abenet Yabowork and Peter Ballantyne to UNECA visitors, Addis Ababa, 3 March 2016
Viewers also liked (13)
Adding Audio Feedback Using Vocaroo in Online Courses: Does it Add Value?
Adding Audio Feedback Using Vocaroo in Online Courses: Does it Add Value?
Twitter terms of service and privacy policy analysis
Twitter terms of service and privacy policy analysis
More from Sotrender
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.
More from Sotrender (20)
Budowa modeli uczenia maszynowego zgodnie z regulacjami o ochronie danych za ...
Budowa modeli uczenia maszynowego zgodnie z regulacjami o ochronie danych za ...
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?