Adatbányászat és WEB2 Németh Bottyán www.gravityrd.com Web2.0 Symposium.

Slides:



Advertisements
Hasonló előadás
Az agrár- és élelmiszeripar az Internet kapujában Előadó: Varga István avagy: az Internet a kapuk előtt.
Advertisements

Vatera-forintok a kalapács alatt Gerő Viktor. A vatera marketing céljai - Minél több vevő (több felhasználó) ‏ - Minél többször (gyakoribb tranzakció)‏
DISPLAY HIRDETÉSEK. DISPLAY HIRDETÉSEK Fontos a technológiai háttér AZ ONLINE HIRDETÉSEK ELŐNYEI Real-time menedzselhető Mérhető Targetálható Interaktív.
Lengyelország: Allegro Magyarország: TeszVesz és Vatera
Virtualizált Biztonságos BOINC Németh Dénes Deák Szabolcs Szeberényi Imre.
A LabVIEW használata az oktatásban
Skálázható kollaboratív filtering módszerek a Netflix Prize versenyen The Budapest New Technology July Meeting július 2. Tikk Domonkos Gravity Research.
Big Data analytics Benczúr András „Big Data – Lendület” kutatócsoport
4. Marketing előadás 2009.Március 4. A szervezetek beszerzése- a vállalatok „fogyasztói magatartása”
Logók és logfájlok Az online közönségmérés kihívásai.
Bemutatkozás Mádi Gábor BME – 3. év villamosmérnök (Bsc) MobilNetPályázat I. – BME I. helyezés – mywalk.
Reklám, Marketing Yess Plus Reklám és csomagküldő szolgáltatás.
Központi és közösségi szolgáltatások olvasóknak, könyvtáraknak.
BMBY.expert a mi szaktudásunk. Az Ön vezetése A vezető ingatlanközvetítők a BmBy.expert ©-et választják Önökben megvan a Vezető? Több kontrollal és átlátással.
Gamification az oktatásban játszva tanulni és tanítani.
Szűcs Imre CRM elemző GE Consumer Finance Budapest Bank Rt.
Mit tudhat az adserver az internetezőről és szabad-e tudnia?
WordLearner.com -- Learn or Teach Words in Almost Any Language WordLearner.com online és offline nyelvoktatás mobiltelefonon és interneten Benedek Balázs.
A lokális szint és a könyvtári hálózat összjátéka, kulturális találkozási lehetőségek Németh Márton MKE Baja 2010 július 16. Hálózati Könyvtári Szolgáltatások.
2002. február 6. Mobil marketing a hirdetők szemszögéből.
Web2. - KÖZÖSSÉGI MÉDIA MENNYIT ÉR EGY RAJONGÓ??.
Pécsi tudományegyetem neveléstudományi Intézet
E-learning és a multimédia
Benczúr Zsolt VBA gyorstalpaló Benczúr Zsolt
[ Internet marketing Logfile elemzés Készítették: Fejős András
Marketingkommunikáció
Az e-kereskedelem (e-business)
Microsoft Üzleti Megoldások Konferencia „Motorunk a minőségünk” Darabkövetés az Audi Hungaria Motor Kft-nél Tóth Gábor Audi Hungaria Motor Kft.
e-Learning a tanárképzésben
Közösségi portálok használata
Webbányászat (web mining) Mártonffy A: Kutakodom, tehát vagyok cikke nyomán.
Az SPSS technológiával háromszorosára nőtt az online eladásokból származó bevétel.
Középpontban: A mindentudó páciens Trendek az egészségügyi online kommunikációban Somogyi Máté Ügyfélkapcsolati igazgató Neo Interactive Kft.
Book Citation Index a Web of Science-en. Könyvek szerepe a tudományos irodalomban Folyóiratok Aktuális Formális Recenzált Konferenciakiadványok Új koncepcók.
A website teljesítményének vizsgálata, fejlesztése 1. Forrás: WebTrends Analysis Suite, Advanced Edition White Paper (
Tudásmenedzsment eredmények és tapasztalatok a MOL Csoportban Tóth Róbert Tudásmenedzsment vezető, MOL Csoport Budapest, 2006.február 23.
Adatbázisrendszerek jövője
2009. október 19. Szegedi Tudományegyetem BTK Informatikus Könyvtáros Szak 1 NEMZETKÖZI TARTALOMIPAR ÁGAZATOK ÉS TRENDEK 7. előadás.
Szemantikus keresők.
Pankász Balázs PTE FEEK Munkapszichológia és Ergonómia Tanszék
Make the Greener Choice Greener One Make the Greener Choice!
Online értékesítés és marketing fogyasztóvédelmi szemmel Siklósi Máté.
Játszani tudni kell - A gamification szabályai az interneten
Körmendi György SPSS Hungary 2007 november 6. Magyar nyelvű szöveganalitika.
The-i Language Zone Francia nyelvtanfolyam kiegészítő oktatóanyaga – értékelés Rózsa Gábor 2004.
Webtartalom, Oldaltervezés Németh Ádám Németh Ádám BME-VIK Schönherz Zoltán Kollégium KSZK Webproj 2004.
A fogyasztói tudat befolyásolása a közösségi marketing eszközeivel
A Microsoft Üzleti Intelligencia megoldása és platformja
? ? ? ? ? Molnár Ferenc Milyen a jó informatikai háttér az ügyfélkezeléshez, ügyfél- információhoz? A jó CRM nélkülözhetetlen.
Adatbányászat Excel 2007-tel
Trendlakás&Design lakberendezési és életmód magazin Ahol az elképzelések életre kelnek és ahol az otthon utat talál! Médiaajánlat 2011.
A tanulási környezet változásának hatásai a tananyagfejlesztés módszereire Dr. Ludik Péter.
A website teljesítményének vizsgálata, fejlesztése 1. Forrás: WebTrends Analysis Suite, Advanced Edition White Paper (
Takács Erika Zádori Zoltán
DIGITÁLIS KOMMUNIKÁCIÓ ÜGYFÉLSZEMMEL
a google adwords változásainak követése, a változások várható iránya
Natív hirdetések Balatoni Emese.
Bányászati kommunikáció Koritár Henriett Koordinációs munkatárs - NFM Országos Bányászati Konferencia Március Egerszalók.
E-Learning, E-Kereskedelem, és E-Gazdaság fejlődései
Tananyagfejlesztő és távoktató e-learning keretrendszer intézményi szintű működtetése MELLearN, ELTE Az ILIAS alkalmazása.
TRD.  Jelszóval védett tartalom  Több felhasználó név és jelszó  Egyedi jogosultságok  Mérőeszközök  Riportok  Biztonsági mentés  Felhasználók.
Mennyit ér az adatbázisod?. Amennyit kihozol belőle…
SEO vagy Tartalommarketing? Válassz!. Mi köze a SEO-nak a tartalommarketinghez? SEO Tartalom- marketing SEO.
Pókerkártya játék algoritmusa
Marketing I. X. előadás Beszerzési magatartás és ipari marketing
Marketing I. X. előadás Beszerzési magatartás és ipari marketing
Ajánló rendszerek ápr. 13. Copyright: Dietmar Jannah, Markus Zanker and Gerhard Friedrich (slides based on their IJCAI talk „Tutorial: Recommender Systems”)
Gépi tanulás.
Előadás másolata:

Adatbányászat és WEB2 Németh Bottyán Web2.0 Symposium

Háttér BME „hardcore” gépi tanulás Tikk Domonkos PhD Takács Gábor Pilászy István Németh Bottyán Adatbányászati versenyek az igazi kihívások, nem ragadhatunk be a saját téves elképzeléseinkbe.

„Collaborative filtering”

WEB2.0 what is web 2.0

WEB2.0 Elérhető tartalom Emergens viselkedés Adat központi szerepe Long tail Több felhasználó  Jobb szolgáltatás what is web 2.0 Bizalom

WEB2.0 Hasznosítani a keletkezett adatokat. A felhasználó nem felhasználó, hanem alkotóelem Egyszerű visszajelzés  bonyolult reakció Elérhető tartalom Emergens viselkedés Adat központi szerepe Long tail Több felhasználó  Jobb szolgáltatás Bizalom

Egy érdekes matematikai probléma

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

MF sample - learning Q P R

Egy kis idő múlva…

MF sample - learning Q P R

MF sample - prediction Q P R

Rugalmas megközelítés Értékelés adatok egységes kezelése Implicit Explicit Különböző források Beágyazható egyéb paraméterek Termék leírás Helyszín Paraméterfüggő adatok (pl. mennyi ideje vásárolt utoljára) A releváns adatok automatikus kiválasztása

Alkalmazás Kis területe a gépi tanulás és web metszetének Link analízis Szövegbányászat Media keresés Rengeteg alkalmazási terület. Online áruházak és kölcsönzés minden területe Hirdetés Keresés szűkítés E-learning Tourist guide Barát ajánló

Köszönöm a figyelmet! ?

Results II. EpochTraining Time (sec)RMSE

Miért jó? Felhasználók Személyre szabott felhasználói élmény e-commerce oldalak Növeli a megrendeléseket Faster conversions Higher customer satisfaction and increased brand loyalty Reduced merchandising and maintenance costs Automated, 1-to-1 merchandising and marketing solution