本课程详细介绍了产品智能的概念、涉及到用户画像、用户行为分析、关联分析等应用场景;以及机器学习的概念,回归、分类、关联分析、聚类等常见的机器学习算法;用户画像与标签体系的建立以及如何做个性化推荐,整体回顾了神策的数据流、推荐系统架构以及 Wide & Deep Learning 模型。对于机器学习应用最重要的还是数据采集和多源数据打通,只有夯实数据根基,才能更好地实现产品智能。

本课程由神策数据架构师房东雨讲解,是神策 2017 数据驱动大会系列课程的第九讲。

核心观点:

  • 产品智能应用包括用户画像、反作弊、关联分析、商品个性化推荐、搜索引擎点击调权、智能评价系统、流失用户预警、导航行程事件预估;
  • 机器学习是数据通过学习获得模型,通过模型预测结果能够预测一些事情。机器学习模型是对输入数据的模式的一个提炼。机器学习场景,有一些隐藏的模式被发现,很难用规则实现,有数据;
  • 个性化推荐流程:确定业务场景——确定评价体系——选择 feature 与 label——模型训练和工程化。