机器学习已经引起了行业的关注和推动广告技术的快速变化,至少它能做的炒作已收到。不过,更有趣的是,毫升革命只会增加的步伐,和真正的变化才刚刚开始。智能使用毫升现在是一个微分电路和竞争优势,但它即将成为一个绝对的要求剩余相关广告技术。
虽然仍是突破核心毫升研究,它不是学术先锋,推动行业快速变化,而是拓宽基础知识的非专家的工程师。仅仅几年前,机器学习在很大程度上局限于一小群专家——少数几个顶尖大学的博士。毫升瓶颈对大多数广告科技公司不是技术,而是这个罕见的招募和保留人才。自那以后,出现了简单的开发工具和框架,使非专业人员更容易构建毫升解决方案。一起,新一波的学习资源——在线课程,培训项目,训练营,等等——涌现,针对一般企业金博宝188开发人员。
虽然得到的工具简单,课程变得更好,成为有效解决现实问题与机器学习仍然不能一蹴而就。我知道,因为我自己一直在做的。这些天我是负责产品管理的副总裁。我还没有一个专业的,实际软件开发人员在15年。但是我想学习毫升所以我鸽子到深,头。我需要复习一些数学我忘记或者从来没有在学校。一个野生和疯狂的周末(提示:麻省理工学院的网络线性代数课程!)在一段时间我发现我学习关键概念毫升,很快,我能够解决小,但真正的问题。我想,如果我可以学习这个东西,那么聪明真正的我公司的工程师可以更好更快地学习它。我们启动了一个内部项目工程师称为“MLSquared”来解决这一需求。这已经被证明有用的对我们因为九个月后我们有数十名工程师与真正的ML技能应用在公司的一些最紧迫的问题。
其他公司正在类似的努力加强其核心工程师知识毫升左右。此外,工具和培训选项已经变得更好从而缓解过程。现在已经过去了一段时间,组工程师,人没有专业机器学习在学校,但已经拿起技能,是一个临界质量。人才的瓶颈正在快速放松。这是一个突破!
突然,一个缺乏资源源于有限的专业知识不再金博宝188是一个问题,长串ML-based项目被搁置着能够前进。它不会只是少数顶级项目,可以优先考虑,基于小毫升精英团队的能力,但毫升可以应用到各种各样的项目。
广告技术是流线化。它的许多核心问题归结为优化问题或模式识别问题,机器学习擅长的两个领域。这种印象值多少钱?谁会想买它吗?它可能是欺诈吗?这个创意是什么?它是合适的吗?我该如何计划我的库存吗?我该什么地板吗?等。
挑战的名单是无止境的。但随着新一代的ML工程师迅速崛起,等待新的解决方案路线图不会出现。
埃文·西蒙尼有超过15年的经验在企业软件工程和产品管理。他拥有两项专利,包括一个用于通知发送特定于设备的无线基础设施通知,另一个用于两个设备之间交换数据的装置和方法。艾凡毕业于纽约大学。
如果你喜欢这篇文章,注册SmartBrief的免费电子邮件移动营销协会的188金宝搏导航,在SmartBrief200多行业的时事通讯。
