U3F1ZWV6ZTQ3NDgzMDIyMjYwMzQxX0ZyZWUyOTk1NjM5NjMzOTcyMg==

كم أحتاج أن أعرف عن Python و JavaScript و APIs من أجل جعل كل هذا يصلح لي؟



السلام عليكم ورحمه الله وبركاته
اهلا وسهلا بكم

يتحدث باتيستا عن كيفية قيام التعلم العميق بتحويل طريقة أتمتة مهام تحسين محركات البحث ولماذا يعتبر التعلم واستخدام Python مهارة قيّمة لمحترفي تحسين محركات البحث.

أتمام مهام تحسين محركات البحث باستخدام هاملت باتيستا [PODCAST]

ما هو الأتمتة التي جعلتها أفضل وأكثر فعالية اليوم من ذي قبل؟

هاملت باتيستا (HB): الكثير من الأشياء التي لم يكن من الممكن تحقيقها قبل أربع أو خمس سنوات ، والتي أردنا حدوثها بالفعل ، والآن أصبحت اللبنات في مكانها الصحيح.

بالنسبة لنا ، التغيير الأكبر هو أن لدينا الرغبة في رؤية كل هذا يحدث.

ستقوم جهات التسويق دائمًا بإنتاج محتوى. إنه شيء مثير.

وضع العلامات التلقائي ، مهمة وضيعة تفعل ذلك وذاك ، وهذا ليس شيئًا ممتعًا أبدًا ، ولكن عليك القيام بذلك.

وعندما أقول أن لبنات البناء في مكانها ، أراها في مسارين.

قدرة المسوقين.
قدرة الآلات.
يحصل المسوقون على المزيد والمزيد من المهارات التقنية.

بدأ البعض باستخدام جداول البيانات والقيام بصيغ بسيطة ، والآن ترى عملاً مذهلاً فقط في الصيغ ، في الأوراق.

أصبحت جهات التسويق أكثر تعقيدًا. إنهم يستخدمون Google Data Studio ، وهناك الكثير من الأعمال الفنية والتعبيرات العادية [المعنية].

الكثير من الأدوات التي نستخدمها ، Google Analytics ، و Google Data Studio ، و Chrome ، جميعها تضيف طرقًا أكثر تقدمًا للقيام بالأشياء ، بشكل برمجي.

لذا ، لديك هذا المسار من المسوق الذي أصبح أكثر تعقيدًا من خلال تعلم كتابة الكثير من المهام باستخدام بعض الأدوات الأبسط مثل جداول البيانات.
من ناحية أخرى ، لديك أيضًا الآلات التي أصبحت أكثر تعقيدًا وقدرة.

ولن يحلوا محل المسوق ، لكنهم قادرون على القيام بأشياء لم تكن ممكنة قبل عامين.

سأقول ، إن أحد أكبر التغييرات هو التعلم العميق.

بدأنا بتعلم الآلة والنماذج الإحصائية وأشياء من هذا القبيل. لكن التعلم العميق يعتمد أكثر على القدرات الإدراكية.

تتمتع الآلات الآن بالقدرة على رؤية الأشياء ، والقدرة على فهم أو استخراج الأفكار من النص ، من البيانات غير المهيكلة.

في العام أو العامين الماضيين ، مجتمع البرمجة اللغوية العصبية ، كان الأمر مثيرًا مع الأشياء التي يمكنك القيام بها.

وآمل أن أكون قد تمكنت من إظهار المجتمع حول هذا البحث الأخير.

ما هي بعض الأمثلة على المهام التي يمكن أتمتتها والتي قد يتردد صدى محركات البحث فيها؟
HB: تجميع البيانات باستخدام قواعد البيانات والقيام بالإبلاغ ، سأقول أن هذه هي المرحلة الأولى من الأتمتة. هذا يوفر الكثير من الوقت ...

رعاية سلطة SEJ Podcast

Build وعرض خبرة علامتك التجارية لآلاف المسوقين المتشددين الذين يستمعون إلى عرض مجلة محرك البحث.

تسحب كل هذه التقارير من هذه الأدوات المختلفة ، وعليك إجراء تحليل حول ذلك ، عليك كتابة تقرير من ذلك.

وهناك أيضًا المرحلة الثانية. إنه مكاننا الآن.

نحن لا نتحدث فقط عن تجميع المعلومات أو جمع المعلومات ، وهي المرحلة الأولى من التشغيل الآلي ، [ولكن] تم أيضًا أتمتة جزء التحليل من العمل.

الكتابة وإعداد التقارير من الممكن أيضًا أتمتة.

لنلق نظرة على مقال كتبته نشرته مؤخرًا على program Journal حول إنشاء العناوين والأوصاف تلقائيًا .

سيقرأ الكمبيوتر مقالاً. سيكتب ملخصًا للمقالة بطريقة مجردة.

لذلك ، لا يبدو الأمر وكأنه ينسخ محتوى من المقالة ، ولكنه في الواقع يلخص المحتوى في المقالة بطريقة منطقية تمامًا للمستخدم النهائي ، والتي عادة ما تستغرق دقائق للمستخدم

ويمكن لهذا الكمبيوتر القيام بذلك على نطاق تلقائي.

إنها قفزة عملاقة من مجرد إعداد التقارير الآلية وجمع البيانات والتجميع ، إلى جعل الكمبيوتر يعمل بالفعل ، والقيام بالكتابة ، وهي مهمة معقدة للبشر. إنه أمر لا يصدق.

لدي أيضًا مقال آخر ، كيف يتم إنشاء نص من الصور باستخدام Python ، والذي يوضح لك أيضًا رمزًا كيف يمكن للكمبيوتر الآن التقاط صورة بدون نص في أي مكان وإنشاء وصف للصورة.

يمكنك أن تتخيل ، إنها مجرد سلسلة من الصور ، لذا يمكنك التقاط إطار من الفيديو ، وجعل الكمبيوتر يقوم بتسمية توضيحية له تلقائيًا.

هذا ما كنت أقوله أن المرحلة الثانية من الأتمتة تعتمد على المهام الإدراكية. إنها تتعلق بالمهام التي يجب أن يكون فيها للكمبيوتر حواس مماثلة لتلك التي لدى الإنسان.

Brent Csutoras (BC): ولكن ، هذا هو المكان الذي يأتي فيه النوع الكبير من التحذيرات لكثير من الأشخاص الذين ربما يستمعون إلى أنه كان هناك الكثير من الأدوات ، والكثير من النصوص البرمجية ، والكثير من الأشياء التي حاولت ذلك.

قالوا ، "أوه ، يمكننا تحسين فقراتك ، أو ،" يمكننا كتابة بعض النصوص لك. "

وبالطبع ، مع ذلك ، جاءت الكثير من الاستخدامات السيئة لها ، مثل البريد الإلكتروني العشوائي أو محاولة تحطيم الأشياء. ولكن ، ما وجدناه دائمًا هو أن الجودة تفتقر إلى الجودة.

لأنه إذا كنت ستخبرني أنه يمكنك الذهاب وقراءة مقال وكتابة ملخص ، سأقول ، "بالتأكيد ، لكن الأمر لن يكون كما لو أنني كتبته بنفسي. لن تكون بنفس الجودة ".

لذا ، هل تطورنا للتو في التكنولوجيا وقدرات التعلم والذكاء الاصطناعي حتى نتمكن من الكتابة بشكل أفضل؟ هل هذا هو العامل الكبير الذي يختلف بين ما قبل سبع سنوات واليوم؟

HB: هذا هو الحال ، ولكن سأخبرك لماذا.


السبب هو أن لديك أكبر الشركات في العالم ، مع أكبر الاستثمارات في هذه التكنولوجيا.

أنت تتحدث عن Google و Facebook و DeepMind و Microsoft.
وبعد ذلك ، لا يقتصر الأمر على جمع الكثير من المال فحسب ، بل تتحدث عن المواهب - يمكن أن يحقق باحثو الذكاء الاصطناعي وكبار الباحثين مليون دولار سنويًا في شكل راتب ، لذا فكر في ذلك.

هذا هو نوع الاستثمار الذي تقوم به هذه الشركات.

الآن ، اسمحوا لي أن أقدم لكم أفضل جزء.

إنهم يقومون بهذه الاستثمارات الضخمة ولديهم أفضل الباحثين ، ثم يتنافسون ضد بعضهم البعض ، ويجعلون عملهم مجانيًا ومفتوحًا. لذا ، فكر في مدى جنون هذا.

Brent Csutoras (BC): يبدو الكثير من هذا مثيرًا حقًا ، وأنا متأكد من أن الناس يستمعون. إنهم يقولون ، "نعم ، هذا رائع."

ولكن ، ما مدى التقنية التي يجب أن تكون قادرًا على القيام بذلك؟


كم أحتاج أن أعرف عن Python و JavaScript و APIs من أجل جعل كل هذا يصلح لي؟
HB: هناك خبر جيد آخر حول ذلك وهو أن هناك أيضًا جهدًا كبيرًا فيما يسمونه الذكاء الديمقراطي.
لذلك ، يعتمد الأمر على مدى تخصيص حالة استخدامك. إذا كانت حالة استخدامك شائعة ، فربما ستجد شيئًا لا تحتاج فيه حتى إلى كتابة أي رمز لاستخدامه.

لذلك ، هناك جميع كبار مزودي السحابة لديهم أدوات يسمونها AutoML.

تحتوي Google و Microsoft و Amazon على أدوات توفرها لمجموعة بياناتك. هناك عدة طرق مختلفة.

يمكنك استخدام مجموعة بيانات مدربة مسبقًا موجودة بالفعل ، وسوف تحل مشكلتك.

هناك أيضًا أدوات الصندوق الأسود مثل MonkeyLearn أو BigML التي يمكنك استخدامها خارج الصندوق. وتقول ، "حسنًا. هنا مشكلتي. قم بتشغيله من خلال الأداة. أعطني التوقعات التي أحتاجها ".

ويمكن أن تكون التوقعات صورًا وتصنيفًا للأرقام ، أيا كان.

يعتمد ذلك على مدى تخصيص حالة استخدامك. ثم لديك طبقات مختلفة بينهما.

أنا أحب القدرة على التخصيص لأنها تتيح لي الابتعاد عن حالات الاستخدام الشائعة ، حتى أتمكن من التوصل إلى المزيد من الحلول الجديدة.

وهذا هو السبب في أن نهجي يتطلب ترميزًا أكثر قليلاً من المعتاد ، ولكن حتى مع ذلك ، وبعض الأمثلة التي استخدمتها ، لا يحتاجون إلى أي ترميز على الإطلاق.

إذا كنت تستخدم أداة من Uber تسمى Ludwig ، فأنت تحتاج فقط إلى توفير ملف تكوين ، ولا تحتاج حتى إلى تعلم البرمجة.

ولكن ، كلما كانت حالة الاستخدام فريدة من نوعها ، كلما كنت أكثر تحديدًا وأكثر رواية تريد أن تكون حول حل معين ، كلما زادت المعرفة التي تحتاجها من حيث البرمجة النصية ، ومن حيث المعرفة بالذكاء الاصطناعي التي تحتاجها لذلك.

ما هي بعض الأساسيات التي يجب أن يتعلمها الأشخاص المهتمون بهذا الأمر؟

HB: أعتقد أن أحد الأساسيات يسمى ETL ، وهو ما يعني "استخراج وتحويل وتحميل".

تلك هي المبادئ التي ستكون قابلة للتطبيق دائمًا.

في التعلم الآلي ، لديك ما يسمى بخطوط الأنابيب. لذلك ، بغض النظر عن الوضع أو النظام الأساسي أو التكنولوجيا التي تستخدمها ، يجب عليك إعداد البيانات للقيام بالتنبؤات.
تعليقات
ليست هناك تعليقات
إرسال تعليق

إرسال تعليق

الاسمبريد إلكترونيرسالة