Li Shan compilateur finition Anne
Qubit produit | Numéro public QbitAI
Une commune (mobile) chef de produit Internet, ont également besoin de comprendre l'apprentissage de la machine? Quora designer produit Abhinav Sharma a déclaré que presque tous les concepteurs ont besoin d'avoir une compréhension de base de l'apprentissage de la machine.
Bien que seulement un Q & A du site Quora, mais la technologie d'apprentissage machine est e-mail essentielle, abonnement personnalisé, flux d'informations page d'accueil, recommandation sujet, appuyez sur le problème, le filtrage anti-spam, etc., nous avons utilisé cette technique.
Noteront qu'il ya beaucoup de chevauchement Quora, les concepteurs de produits et les gestionnaires de produits seulement, nous appelons directeur produit (PM), ainsi.
Avant de lire ce qui suit, s'il vous plaît penser à moi-même en tant que telle personne:
Votre travail quotidien, est une variété de styles, grille, mise en page, la couleur et le design peut être réutilisé à travers le mode site.
Où avez-vous appris utilisera la machine?
systèmes de contrôle Spam / qualité
filtre anti-spam de base est un modèle de base de l'apprentissage de la machine: la classification. Classificateur pour ajouter des tags, pour déterminer si un contenu ou une information normale du spam en utilisant des données passées.
De tels systèmes font des erreurs, et certains tomberont en bon spam contenu de la foi (faux positifs), ainsi que le spam (faux négatif) seront remerciés. classification multi-classe est le même.
Pour une meilleure expérience utilisateur, les gestionnaires de produits doivent faire pour traiter les cas de faux positifs et de faux négatifs.
Quand une partie du contenu est normale comme spam mal étiquetés, vous devez considérer est que les utilisateurs ne manquent jamais un message, ou n'est pas opportun de leur rappeler à « regarder au spam. »
Lorsque le spam est de laisser aller, vous devez vous soucier est de savoir comment expliquer aux utilisateurs et à leur fournir canal de retour, puis faire face à ces questions.
avis
La notification peut être améliorée de manière significative l'interactivité, fournir une rétroaction sur les actions des gens, mais ces systèmes sont difficiles à concevoir.
Avec l'expansion de la taille de l'entreprise, ils ont tendance à développer un système pour permettre les différentes équipes peuvent faire différents e-mail ou une notification à envoyer à l'utilisateur. Selon la bande passante actuelle et les interactions précédentes, le classificateur est responsable de décider d'envoyer le message. LinkedIn cadre d'optimisation des messages ( est un exemple.
De tels systèmes existent également faux positifs et faux problème de négatif, le problème se produit dans les deux scénarios suivants du gestionnaire produit particulier Remarque:
Si quelqu'un me concerne ma réponse a commenté, c'est un signal très important, j'aimerais bien savoir, même si je ne suis pas le temps de répondre à beaucoup d'autres commentaires.
Et publié il y a longtemps comparé les réponses, je pourrais être plus préoccupé par les récents commentaires obtenus des réponses.
Si vous ne voulez pas manquer des informations et l'inquiétude au sujet de la perte de confiance des utilisateurs, vous devez savoir quand les utilisateurs veulent des relations certitude, savent à quel point le système ne peut pas se permettre un faux positif.
En général, vous pouvez utiliser un ensemble de règles pour spécifier le comportement que nous devons améliorer le système d'apprentissage de la machine. En fait, il y a plusieurs façons de « règle » est codé et intégré dans le système d'apprentissage de la machine réelle.
En outre, certains produits ne répondaient pas à ces questions à l'extrême, avec un ensemble très complexe de règles pour remplacer complètement l'apprentissage machine, de construire un système dans lequel ils pleinement confiance. Par exemple, les utilisateurs Slack profiteront de cet organigramme pour déterminer si d'envoyer un avis à vous:
flux d'informations de commande
Différent et Twitter, Facebook, Quora la page d'accueil et flux Netflix est pas l'ordre chronologique, mais selon leur pertinence classement. Cela conduit à un retour à la première question, les algorithmes d'apprentissage machine doivent essayer de prédire la probabilité de vous comme un morceau de contenu. Une probabilité comprise entre 0 et 1, tandis que les données de référence est le cas observé précédemment réalisée le 0 et 1.
Le flux d'information est de filtrer les résultats possibles, puis les trier, cela peut soulager vos préoccupations au sujet de faux positifs et de faux négatifs dans le problème de classification. Cependant, vous devez tenir compte de plusieurs facteurs qui affectent la qualité de votre expérience de flux de la maison, y compris la fraîcheur du contenu, la diversité et la plupart des utilisateurs veulent voir.
Alors, qui est responsable de l'expérience utilisateur, généralement les gestionnaires de produits, jouent souvent un rôle important dans la détermination de la fonction objective, vous pouvez maximiser ce que le système cible. Par exemple, si Facebook est l'objectif de maximiser la probabilité de vous lire un message, il vous montrera un très intéressant, mais il peut y avoir un contenu périmé, ou beaucoup de contenu de la même personne, mais aussi envisager une autre expérience utilisateur le respect des facteurs.
De plus, vous devez collecter de l'utilisateur les bons signaux pour voir si elles vraiment un certain contenu, donc il y aura une prochaine ......
comportement contenu
La rétroaction est très important pour le système de classement. Tout modèle de régression ne peut être optimisé pour les choses qui peuvent être mesurés, ce qui signifie que vous avez besoin d'une compréhension claire des besoins des utilisateurs plus de quel côté d'un produit, plus les exigences de quel côté.
Ces signaux peuvent être très subtiles, comme l'utilisateur de regarder les vidéos sur YouTube, et peuvent également être plus clair, par exemple, je ne suis pas d'accord ou répondre à une question sur l'histoire de Quora. Le point est que les signaux doivent avoir les caractéristiques suivantes:
Prévisible: bonne description de l'expérience réelle de l'utilisateur.
Effacer: Ne pas l'intention confondez, par exemple, Twitter originale « Star » est de réaliser la collecte, mais en fait a été utilisé comme un « coup de pouce ».
L'utilisation intensive: L'utilisateur doit souvent utiliser pour analyser les données. Ceci est le temps de visualisation vidéo et d'autres signaux subtils souvent la raison pour laquelle de bons résultats.
Expliquer le nombre magique
Modèle de régression est aussi fréquemment utilisé les prix, et les utilisateurs avertis veulent savoir pourquoi le prix. Par exemple, a rencontré ce problème Airbnb, leur modèle de prix est presque régression linéaire peut être interprété comme unique, et l'offre et la somme pondérée position de la demande, et de montrer avec un simple à comprendre graphiques:
Dans les tâches d'apprentissage machine plus sophistiqués, le modèle explique la capacité est toujours important, mais plus précise des modèles plus complexes, la capacité d'expliquer le pire.
Rechercher
Maintenant, pour nous dire Google.
Rappelez-vous le système de commande de flux d'information mentionnés devant vous? Google peut être le premier complexe impliquant type d'interface utilisateur des produits grand public.
Google est pas le début par la machine axée sur l'apprentissage, mais maintenant il est.
Les moteurs de recherche examinera la nécessité de passer par les couches de la recherche dernière génération interface, ces considérations peuvent inclure le point - pour filtrer le contenu pour adultes et à la violence pour régler la fonction objective dans un calcul complexe, les métadonnées d'interprétation et de la collecte de la satisfaction des utilisateurs des résultats de recherche rétroaction degré.
Mais ne pas oublier, un moteur de recherche est aussi le plus important point est d'identifier l'intention de l'utilisateur. Comme vous pouvez le voir, lorsqu'un utilisateur recherche pour un film, il peut vouloir l'introduire est le contenu du film, horaires des séances et commentaire de nouvelles, remorques ou autre collecte d'informations.
Dans ce cas, les gestionnaires de produits ont besoin de savoir ce que l'intention de la combinaison peut mieux répondre aux besoins des utilisateurs, et conçus pour répondre aux différents système d'interface utilisateur possible.
Présentation de contenu connexe
L'apprentissage de la machine recommandée sont également utilisés dans les pages de contenu pertinent, la plus approche classique consiste à l'utiliser comme un problème de régression à traiter, la possibilité de maximiser l'utilisateur clique sur le lien.
graphique ci-dessus YouTube par exemple, après une vidéo sur l'histoire du Japon, et il a une teneur recommandée est « cognition subversive: résurgence du loup. » Il n'y a pas de relation entre les deux, mais il suffit de savoir que les utilisateurs de YouTube peuvent être disposés à cliquer sur cette vidéo, il peut être parce que le navigateur contenu similaire avant que l'utilisateur.
YouTube tente d'assurer en même temps un certain « contenu » vraiment pertinent, montrant votre contenu favori, et de trouver un équilibre entre les deux, même obtenir rigoureuse les « vidéos similaires » à « suivant ».
Son et dialogue
Bot (chatbots) faisaient fureur, mais la compréhension du langage naturel et de la technologie de synthèse vocale est encore à ses débuts. Pour les gestionnaires de produits, et l'équipe d'explorer les limites des systèmes vocaux critiques ensemble.
Par exemple, rappelons le contexte du contenu du robot est encore très difficile, et la technologie de la parole a récemment finalement atteint un niveau proche de l'homme.
Les progrès technologiques dans le domaine du langage naturel rapidement, digne d'une attention soutenue au chef de produit la semaine dernière, ne fonctionnent pas, peut-être cette semaine peuvent être atteints.
copywriting
Enfin, de nombreuses études montrent dédié aux produits personnalisés, de nombreux utilisateurs peuvent avoir aucune idée de ce qu'ils reçoivent est basé sur la personnalisation.
Par conséquent, les détails sont importants, tels que l ' « histoire globale » à « recommandé pour vous l'histoire de titre, » ou trouver un endroit approprié pour écrire le nom de l'utilisateur dans l'interface utilisateur.
Enfin, penchons-nous au début de l'article en question: pourquoi le besoin de chef de produit pour avoir une certaine compréhension de l'apprentissage de la machine? Ce qui précède est une réponse complète mais non exhaustive. L'apprentissage de la machine dans la conception des produits est partout, mais l'importance.
recrutement
Nous recherchons des rédacteurs en chef et les journalistes, les opérateurs et les autres postes, basé à Zhongguancun de Beijing, nous réjouissons de votre arrivée, à l'expérience de l'intelligence artificielle en pleine progression.
Détails, le numéro de l'interface de dialogue public, réponses: mot « recrutement ».
Encore une chose ...
Qu'est-ce que la préoccupation de la communauté AI d'aujourd'hui? En bit quantique (QbitAI) Interface séance publique n ° réponse « Aujourd'hui » pour voir l'industrie et la recherche AI collecte dynamique de notre réseau. recharge ~
