Слайд 2Mgine Technologies. Основное направление.
Ведущая финская компания в области персонализации мобильного сервиса
Большое число
![Mgine Technologies. Основное направление. Ведущая финская компания в области персонализации мобильного сервиса](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-1.jpg)
специалистов занимающихся созданием средств исследования пользователей мобильных операторов в э-коммерции
Слайд 3Сегментация пользователей
Основная задача исследования сегментов рынка в э-коммерции
Сегментация – разделение пользователей в
![Сегментация пользователей Основная задача исследования сегментов рынка в э-коммерции Сегментация – разделение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-2.jpg)
различные группы
Степень схожести между пользователями из одной группы больше чем схожесть между пользователями из разных групп
Слайд 4Самоорганизующаяся карта
Средство проецирования многомерных данных на двухмерную карту
Визуализации данных:
Схожие пользователи проецируются рядом
![Самоорганизующаяся карта Средство проецирования многомерных данных на двухмерную карту Визуализации данных: Схожие](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-3.jpg)
на карте
Пользователи одной группы раскрашиваются одним цветом
Слайд 5Алгоритмы сегментации
Алгоритмы которые строят карту
Самоорганизующаяся карта Кохонена (SOM)
Топографическая карта (GTM)
S-карта (S-Map)
Недостатки
Чувствительность к
![Алгоритмы сегментации Алгоритмы которые строят карту Самоорганизующаяся карта Кохонена (SOM) Топографическая карта](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-4.jpg)
данным
Длительное время работы
Слайд 6Локальность алгоритмов построения карты
U
A1
A3
A2
Область данных
Область алгоритма А2
![Локальность алгоритмов построения карты U A1 A3 A2 Область данных Область алгоритма А2](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-5.jpg)
Слайд 7Варианты решения проблемы локальности алгоритмов
Объединение алгоритмов в ансамбль:
Параллельность (+)
Сложность и большое количество
![Варианты решения проблемы локальности алгоритмов Объединение алгоритмов в ансамбль: Параллельность (+) Сложность](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-6.jpg)
ресурсов (-)
Простой выбор наилучшего алгоритма:
Простота реализации (+)
Большое количество ресурсов (-)
Предсказание характеристик алгоритмов:
Выбора алгоритма до начала выполнения (+)
Небольшое количество ресурсов (+)
Длительный процесс обучения перед началом работы (-)
Слайд 8Цель дипломного проекта
Построить интеллектуальную модель для выбора алгоритмов сегментации (построения карты пользователей)
![Цель дипломного проекта Построить интеллектуальную модель для выбора алгоритмов сегментации (построения карты](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-7.jpg)
в зависимости от базы данных профилей
Программно реализовать полученную модель
Слайд 10Основные характеристики базы данных
Количество пользователей
Количество атрибутов профилей
Распределение значений атрибутов профилей
Степень неполноты информации
![Основные характеристики базы данных Количество пользователей Количество атрибутов профилей Распределение значений атрибутов профилей Степень неполноты информации](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-9.jpg)
Слайд 11Основные характеристики алгоритмов сегментации
Скорость обучения
Необходимое количество машинной памяти
Ошибка обучения каждого из алгоритмов
![Основные характеристики алгоритмов сегментации Скорость обучения Необходимое количество машинной памяти Ошибка обучения каждого из алгоритмов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-10.jpg)
Слайд 12Модель классификации алгоритмов
Выбор
алгоритма
Характе-ристики БД
Характе-ристики алгоритмов
К
Л
А
С
С
И
Ф
И
К
А
Т
О
Р
БД
профилей
Н
С
![Модель классификации алгоритмов Выбор алгоритма Характе-ристики БД Характе-ристики алгоритмов К Л А](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-11.jpg)
Слайд 13Обучение нейронной сети
Характеристики БД
Изменение
Нейронная сеть
Алгоритм
сегментации
Характеристики
алгоритма
Ошибка
Выходное значение
Данные
![Обучение нейронной сети Характеристики БД Изменение Нейронная сеть Алгоритм сегментации Характеристики алгоритма Ошибка Выходное значение Данные](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-12.jpg)
Слайд 14Обучение классификатора
Update
Выходное значение
Обучающие данные
Характеристики алгоритмов
Ошибка
Изменение
Классификатор
![Обучение классификатора Update Выходное значение Обучающие данные Характеристики алгоритмов Ошибка Изменение Классификатор](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-13.jpg)
Слайд 15Система «SEGMAP»: диалог с пользователем
![Система «SEGMAP»: диалог с пользователем](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-14.jpg)
Слайд 16Система «SEGMAP»: результаты работы
![Система «SEGMAP»: результаты работы](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-15.jpg)
Слайд 17Анализ возможных приложений
в фирмах для исследования предпочтений пользователей и персонализации сервиса
отправная точка
![Анализ возможных приложений в фирмах для исследования предпочтений пользователей и персонализации сервиса](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-16.jpg)
для дальнейших исследований:
усовершенствование блока классификатора за счет использования нечеткой логики
анализ возможных характеристик базы данных
Слайд 18Экономическая часть
Рекламный плакат системы
Таблица доходов и затрат
График достижения безубыточности
![Экономическая часть Рекламный плакат системы Таблица доходов и затрат График достижения безубыточности](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-17.jpg)
Слайд 21График достижения безубыточности
Точка безубыточности – 109 копии ПП
![График достижения безубыточности Точка безубыточности – 109 копии ПП](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/439126/slide-20.jpg)