Kio estas Datumoj Minado?

Grandaj kompanioj scias pli pri vi ol vi iam ajn imagus - jen kiel

Datuma minado estas la analizo de grandaj kvantoj da datumoj por malkovri mastrojn kaj sciojn. Fakte, datuma minado ankaŭ estas konata kiel datuma malkovro aŭ scio-malkovro.

Datumaj ministoj uzas statistikojn, principojn pri maŝinado (ML), artefarita inteligenteco (AI) kaj vastaj kvantoj da datumoj (ofte el datumbazoj aŭ datumaj aroj) por identigi ŝablonojn laŭ maniero tiel aŭtomata kaj utila.

Kion Faras Datuma Minado?

Datuma minado havas du ĉefajn celojn: priskribo kaj antaŭdiro. Unue, datuma minado priskribas la vidojn kaj sciojn akiritajn de analizantaj ŝablonoj en datumoj. Due, datuma minado uzas la priskribojn de rekonitaj datumtemoj por antaŭdiri futuraj ŝablonoj.

Ekzemple, se vi pasigis tempon en la butikumpa retejo por libroj pri kiel identigi diversajn specojn de plantoj, la datumaj minindustriaj servoj laboras malantaŭ la scenoj en tiu retejo logos priskribon pri viaj serĉoj rilate al via profilo. Kiam vi ensalutas denove du semajnojn poste, la servoj de minindustriaj datumoj de la retejo uzas la priskribojn de viaj antaŭaj serĉoj por antaŭdiri viajn nunajn interesojn kaj oferti personajn butikumajn rekomendojn, kiuj inkluzivas librojn pri identigado de plantoj.

Kiel Datumaj Minindustriaj Verkoj

Datumaj minindustrioj funkcias per algoritmoj, aroj de instrukcioj, kiuj rakontas komputilon aŭ procezon kiel fari taskon, por malkovri malsamajn tipojn de ŝablonoj ene de datumoj. Kelkaj el la malsamaj mastrumaj metodoj de uzado en datuma minado inkluzivas clusteran analizon, anomalian detekton, asocilan lernadon, datumajn dependecojn, decidajn arbojn, regresajn modelojn, klasifikojn, pli malproksimajn detektojn kaj neŭrajn retojn.

Dum datuma minado povas esti uzata por priskribi kaj antaŭdiri ŝablonojn en ĉiuj diversaj specoj de datumoj, la uzado de multaj homoj plej ofte renkontas, eĉ se ili ne rimarkas ĝin, estas priskribi ŝablonojn en viaj aĉetaj elektoj kaj kondutoj antaŭdiri probable futurajn aĉetojn decidoj.

Kiel ekzemplo, ĉu vi iam scivolis, kiel Facebook ĉiam ŝajnas scii, kion vi rigardis enrete kaj montras al vi anoncojn en viaj novaĵoj rilataj al aliaj retejoj, kiujn vi vizitis aŭ viaj retpaĝoj? Facebook-datuma minado uzas informojn konservitajn en via retumilo, kiu trakasas viajn agadojn, kiel kuketojn , kune kun sia propra scio pri viaj ŝablonoj bazitaj sur via antaŭa uzo de la servo de Facebook por malkovri kaj antaŭdiri produktojn aŭ ofertojn, kiujn vi povas interesi.

Kio Speco de Datumoj Povas Esti Minita?

Depende de la servo aŭ vendejo (fizikaj tendencas uzas datuminadon ankaŭ), mirinda kvanto da datumoj pri vi kaj viaj ŝablonoj povas esti minitaj. Datumoj kolektitaj pri vi povas inkluzivi, kian veturilon vi veturigas, kie vi loĝas, lokojn, vojaĝojn, revuojn kaj ĵurnalojn, kiujn vi subskribas, kaj ĉu vi estas edziĝinta aŭ ne. Ĝi ankaŭ povas determini, ĉu vi havas infanojn aŭ ne, kio estas viaj hobioj, kiujn vi ŝatas, viajn politikajn klinojn, kion vi aĉetas enrete, kion vi aĉetas en fizikaj tendencas (ofte per klientaj rekompencoj), kaj iujn detalojn vi dividas pri via vivo pri sociaj amaskomunikiloj.

Ekzemple, komercistoj kaj mod-bazitaj publikigadoj celitaj al adoleskantoj uzas informojn de datumoj minindustriaj fotoj pri sociaj amaskomunikilaraj servoj kiel Instagram kaj Facebook por antaŭdiri modajn tendencojn, kiuj atentos en adoleskantoj aŭ legantoj. La vidpunktoj malkovritaj per datuma minado povas esti tiel precizaj, ke iuj komercistoj eĉ povas antaŭdiri se virino povus esti graveda, surbaze de tre specifaj ŝanĝoj en ŝiaj aĉetaj elektoj. La komercisto, Celo, estas tre preciza pri antaŭdiri gravedecon bazitan sur ŝablonoj en aĉetado de historio, ke ĝi sendis kuponoj por belaj produktoj al junulino, donante ŝian gravedecon sekrete antaŭ ol ŝi diris al sia familio.

Datuma minado estas en ĉiuj lokoj, tamen multaj de la informoj malkovritaj kaj analizitaj pri niaj aĉetaj kutimoj, personaj preferoj, elektoj, financoj kaj interretaj aktivecoj estas uzataj de tendencas kaj servoj kun la celo plibonigi la klientan sperton.