Подписка на блог

Customize in /user/extras/subscribe-sheet.tmpl.php.

Sample text.

Twitter, Facebook, VK icon VK, Telegram, LinkedIn, Odnoklassniki, Pinterest, РСС JSON Feed

Sample text.

Парадигмы в мышлении программиста

Парадигмы — различные подходы человека к осмыслению одного и того же явления.

Статья Роберта Флойда 1978 г. о парадигмах программирования здесь.

В отличие от парадигм по Томасу Куну в программировании происходит расширение, а не исключение парадигм.

Выступление Дейкстры 1972 г. «Смиренный программист» о влиянии инструментов на мышление.

Во многом стиль мышления определяется языком программирования:

Императивное программирование (или в узком смысле процедурное) — «фоннеймановская» (Паскаль, Си, Бейсик) — концепция программы, как набора указаний подлежащих исполнению («императив» — «приказ») центральным процессором или интерпретатором. Самая главная особенность императивного программирования — присваивание.

Про «фоннеймановскую» архитектуру см. выступление Джона Бэкуса в 1977 «Можно ли освободить программирование от стиля фон Неймана?».

К императивным языкам относятся командно-скриптовые языки, но они не «фоннеймановские».

Функциональное программирование (язык Haskell) — полная противоположность императивного. В основе лежат функции — «объекты первого класса», функции «чистые».

Декларативное программирование (или более узко — логическое) — программы формируются в виде набора логических правил, описывающих некоторую предметную область, а исполнение программы состоит в попытке доказать утверждение (язык Пролог). Язык SQL относится к декларативным, но не к логическим.

Объектно-ориентированное программирование (языки имеющие ООП надстройку: C++, Джава, С#, Go), см. Забытая история ООП, Алан Кэй, история SmallTalk. Данные в программе представляются в виде объектов — «черных ящиков». Все, что можно сделать с объектом — послать ему сообщение и получить ответ. В ООП инкапсуляция используется на уровне отдельных объектов. Класс — описание внутреннего устройства объекта.

Существуют «универсальные» парадигмы:
— «все есть поток байтов» в UNIX-way;
— «каждая программа должна решать одну задачу, и решать ее хорошо»;
— «все есть текст»;
— событийно-ориентированный способ построения программ;
автоматное программирование;
— параллельное программирование;
— разделяемые данные;
— компиляция и интерпретация;
— рекурсия;
«побочный эффект».

Список использованных источников:

  1. Столяров А. В. «Программирование: введение в профессию» 4-ый том, МАКС Пресс (Москва), 2020 г.
 9   26 дн   программирование

Применение технологий машинного обучения в маркетинге

Применение технологий машинного обучения в парадигме концепции «4P»:

  1. Product
  2. Price
  3. Promotion
  4. Place

«Искусственный интеллект — область исследований и прикладных разработок, направленных на создание программно-аппаратных средств, способных к решению таких задач, решение которых предполагает применение человеком своих интеллектуальных способностей». // М.Г. Мальковский

«Машинное обучение (Machine Learning) — обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться». // MachineLearning.ru

Алгоритмический маркетинг — маркетинг на основе автоматизации маркетинговых процессов за счет создания алгоритмов, способных на основе анализа данных и машинного обучения выбирать и реализовывать оптимальные решения в соответствии с поставленной целью.

Согласно исследованию «Turning AI into concrete value: the successful implementers’ toolkit»: (исследование примеров и опрос 1000 организаций по всему миру):
— 3 из 4 организаций планируют использовать ИИ для увеличения продаж;
— 78% внедряют технологии машинного обучения для повышения эффективности операционной деятельности;
— 75% повышают удовлетворенность клиентов;
— 79% для анализа данных и получения идей.

см. сайт

Product

Исследования, доработка старого продукта, разработка нового продукта, планирование ассортимента:

Страховая компания «Pacific Specialty Insurance Company» использовала новый подход к работе с информацией. Изначальная проблема заключалась в том, что разработка новых продуктов являлась медленным и громоздким процессом. Компания привлекла стороннего разработчика, чтобы решить указанную проблему за счет новых технологий. Платформа была построена базе решений Microsoft Azure и Power BI, в которых в том числе используется предиктивная аналитика на базе технологий машинного обучения. По заявлению компании это позволило существенно сократить цикл запуска новых продуктов, а также улучшить существующие.

см. Data and analytics is key component to Pacific Specialty’s digital workplace transformation

Price

Ценовые стратегии и тактики, скидки на основе анализа больших данных:

Одна из наиболее известных задач, которая предлагается для освоения навыков машинного обучения — это задача по прогнозированию цены продажи домов «House Prices: Advanced Regression Techniques», размещенная на проекте Kaggle.

Дано: 1460 домов с ценами, по которым они были проданы. Каждый дом описан через 79 параметров, часть которых неизвестна. Требуется: спрогнозировать цены продажи для 1500 домов из тестовой выборки.

Компания Sweetpricing предлагает услуги по персонализированному динамическому ценообразованию для приложений на базе машинного обучения, заявляя о росте дохода в среднем на 16%.

см. How Dynamic Pricing Uses Machine Learning to Increase Revenue

Система динамического ценообразования охватывает 95% перевозок АО «ФПК» в вагонах купе, СВ, люкс, вагонах с местами для сидения скоростных поездов внутригосударственного сообщения. Чем выше спрос и меньше мест, тем выше цена на билеты.

Стоимость проезда зависит не только от расстояния и популярности маршрута, но и от таких факторов, как:
— категория поезда;
— время года, день недели, время отправления, прибытия и т. д.;
— количество предложенных мест в поезде;
— дата совершения покупки билета (количество дней до отправления поезда).

см. сайт РЖД

Promotion

Продвижение продуктов с использованием технологий машинного обучения:

В 2017 году локальный дилер Harley Davidson повысил число продаж на 2930 процентов, используя ИИ-платформу «Albert».

Что было для этого сделано:
— Проанализированы данные о поведении пользователей на сайте при заполнении форм, а также данные из CRM.
— Выделено множество микросегментов и запущены тысячи микротестов с различными комбинациями заголовков, текстов, иллюстраций в основных каналах.
— На основании полученных данных и машинного обучения платформа определила лучшие каналы рекламные сообщения для каждого микро-сегмента и масштабировала продвижение.

см. How Harley-Davidson Used Artificial Intelligence

В 2017 году голландская авиакомпания KLM внедрила технологию «AI-assisted human agent», чтобы повысить эффективность службы поддержки. Система может идентифицировать более ста человеческих интонаций для мгновенной аутентификации и обработки вызова. Это привело к 35% повышению эффективности работы с клиентами, и около 30% обращений теперь разрешаются через ИИ-платформу.

см. сайт

Place

Машинное обучение может быть использовано для выбора оптимальных мест для магазинов, анализа и прогнозирования продаж, гиперлокального таргетинга, использования интеллектуальных помощников для  оформления продаж через чат-боты, подключенные к мессенджерам и социальным сетям.

Общие выводы

— Доступность данных и IT-решений позволяют внедрять технологии машинного обучения в маркетинг уже сейчас для всех элементов концепции комплексного маркетинга «4P».
— Наиболее популярными направлениями использования машинного обучения в маркетинге являются анализ и прогнозирование, работа call-центров, сегментирование аудитории, программатик, удержание клиентов, динамическое ценообразование.
— Основными проблемами является нехватка специалистов на рынке, качество данных для анализа, отсутствие цифровой стратегии на предприятиях.

Дополнительные источники:

  1. Book: Introduction to Algorithmic Marketing / I.Katcov
  2. Book: Machine Learning for Marketers — a comprehensive guide
  3. Оригинал презентации
  4. Сергей Марков о том, как применять обучение с подкреплением в бизнесе
 23   1 мес   маркетинг   Машинное обучение   программирование   Цифровая гуманитаристика

Программирующий историк

Наблюдаем, что будущее наук в сфере ИТ разворачивается на пересечении:

Python + Математика = Машинное обучение, см. Применение машинного обучения в промышленности
Python + Биология = Биоинформатика
Python + Образование = Цифровой след, см. видео
Python + Маркетинг = Алгоритмический маркетинг, см. книгу Introduction to Algorithmic Marketing, сайт Artificial Intelligence In Marketing
Python + Экономика/Финансы = ФинТех
Python + Музыка/Живопись = Цифровое искусство, см. сайт Дмитрия Сошникова, книгу Music for Geeks and Nerds
Python + История = Программирующий историк, см. сайт проекта

Дополнительная литература:

  1. Цифровые гуманитарные науки : хрестоматия / под ред. М. Террас, Д. Найхан, Э. Ванхутта, И. Кижнер. — Пер. с англ. — Красноярск : Сиб. федер. ун-т, 2017. — 352 с.
  2. Jupyter notebooks for digital humanities
 11   1 мес   Python   программирование   Цифровая гуманитаристика
Ранее Ctrl + ↓