[ad_1]
對於在數字世界中工作的任何人來說，機器學習的重要性僅在不斷增長，但它常常感覺像是一個難以接近的主題。不一定必須如此-在SEO任務自動化方面，您不必錯過它可以為您提供的競爭優勢。穿上您的SEO技術上限，並準備好記筆記，因為Britney Muller在本周的Whiteboard Friday情節中帶領我們通過Machine Learning 101。
單擊上方的白板圖像，在新選項卡中打開高解析度版本！
視頻轉錄
嘿，莫茲迷。歡迎使用《星期五白板》。今天，我正在談論機器學習的所有事物，就像你們中許多人所知道的那樣，我非常熱衷並且喜歡談論。希望如此，這會激發您中的一些人進一步探索它的種子，因為它確實是很長時間以來我們空間中發生的最強大的事情之一。
什麼是機器學習？
概括地說，機器學習實際上是AI的一個子集，有人會說我們還沒有真正接觸到人工智慧。但這只是整個AI的一個方面。
傳統編程
最好的考慮方法是與傳統編程相比。因此，傳統編程需要將數據和程序輸入計算機，然後輸出，無論是網頁還是在線構建的計算器，無論結果如何。
機器學習
使用機器學習時，您要做的就是將數據和所需的輸出放入計算機中，然後得到一個程序，也稱為機器學習模型。因此，它有點翻轉，並且效果非常好。機器學習有兩種主要類型：
- 您已經進行了監督，基本上就是在這裡輸入標有訓練數據的模型，
- 然後在無監督的情況下，您可以在其中饋入程序數據，並讓它在數據點之間創建簇或關聯。
被監督者更為普遍。您將看到分類，線性回歸和圖像識別之類的東西。這樣的事情都很普遍。如果您從機器學習的角度考慮問題，那麼可以將所有這些數據放入模型中，數據是機器學習的最大部分。很多人會認為，如果機器學習是一種媒介，那麼數據將成為燃料。
這是理解中非常重要的部分，因為除非您擁有正確的數據類型來提供模型，否則您將無法獲得所需的期望結果。
機器學習模型示例
因此，讓我們看一個例子。如果您想建立一個預測房價的機器學習模型，則可能擁有所有這些信息。
您可以輸入當前價格，這些房屋的平方英尺，土地，浴室數量，卧室數量。它會一直持續下去。這些也稱為功能。因此，當您輸入所有這些數據時，模型將要嘗試做的事情是，它將試圖理解這些信息之間的關聯，並提出一個最能預測未來房價的模型。
這些機器學習模型中最基本的是線性回歸。因此，如果您考慮在可能僅輸入價格和平方英尺的位置輸入數據，則可以看到這樣的數據。
您會看到，隨著平方英尺的增加，價格也隨之增加。隨著時間的流逝，模型將開始在數據中尋找最平滑的線，以在將來獲得最準確的預測。
您不希望它適合每個數據點，並有一條看起來像這樣的線（也稱為過度擬合），因為它不適用於新數據點。您不希望模型對您的數據集如此計算，以至於將來無法準確預測。
一種看待損失的方法是通過損失函數。這可能會更深入，但這就是您如何測量線條的適合程度。讓我們來看看。
SEO中的機器學習有哪些可能性？
那麼SEO中有哪些可能性？我們如何在SEO空間中利用機器學習？
自動化元描述
因此，人們已經有幾種方法可以做到這一點。您可以通過查看頁面內容並使用機器模型來匯總文本來自動執行元描述。因此，這從字面上總結了您的內容，並將其縮減為一個元描述長度。太不可思議了。
自動化標題
您可以對標題進行類似的操作，儘管我不建議您對主要頁面進行此操作。這不是完美的。但是，如果您有一個龐大的網站，擁有成千上萬的頁面，它將帶您進入中間。通過這些大型網站開始在這個領域中玩耍真的很有趣。
自動圖片替代文字
您還可以自動為圖像替換文本。我們看到這些模型真的非常善於理解圖像中的內容。
自動化301重定向
301重定向， 保羅·夏皮羅 已經有令人難以置信的寫作，並且基本上已經對此進行了處理。
自動化內容創建
內容創建，如果這使某些人感到恐懼，或者您懷疑這些模型當前是否可以創建不錯的內容，我挑戰您去看看 與變壓器交談。
它是由Elon Musk創建的OpenAI的簡化版本。對於僅來自縮減模型的內容而言，這真是令人難以置信，令人有些恐懼。因此，這肯定在將來甚至今天都是可能的。
自動化產品/頁面建議
除了產品和頁面建議。
因此，這隻會變得更好。想像一下，我們專門為訪問我們網站的獨特用戶提供內容和用戶體驗，高度個性化的內容，高度個性化的體驗。前進中的確令人興奮。
資源資源
我有一些資源，我強烈建議您退房。
Google Codelabs 是我的最愛之一，只是因為它會逐步引導您。因此，如果您訪問Google Codelabs，通過TensorFlow過濾或通過機器學習進行過濾，則可以在其中看到可能的示例。您可能會在Colab筆記本或Jupyter筆記本上自行進行任何機器學習。
Kaggle.com 是數據科學競賽的第一資源。因此，您將真正了解示例，人們今天如何使用機器學習。您會看到類似TSA的事情，即為數據科學團隊提供了超過100萬美元的資金，他們可以提出一種模型來預測安全鏡頭的潛在威脅。
這些東西很快變得非常有趣。在這個空間中具有多樣性和包容性也非常重要，以避免將來出現真正危險的模型。所以這是絕對要考慮的事情。
TensorFlow 是很棒的資源這就是Google推出的產品，也是他們許多機器學習模型的基礎。他們有一個非常出色的JavaScript平台，您可以使用它。
吳安德（Andrew Ng）開設了令人難以置信的機器學習課程。我強烈建議您檢查一下。
然後 演算法 是一站式的模型商店。因此，如果您不希望專心於機器學習，而只想說一個匯總器模型或特定類型的模型，則可能會在那裡找到一個並進行即插即用。
因此，這非常有趣且有趣。最後一件事是機器學習模型僅與數據一樣好。我不能這麼表達。因此，很多機器學習和數據科學家都進行了數據清理和解析，這是該領域的大部分工作。
重要的是要意識到這一點。機器學習101就這樣了。非常感謝您的加入，我希望很快能再次與大家見面。謝謝。
如果您喜歡本周五的白板，則將對我們最新發布的所有最先進的SEO知識感到滿意 MozCon 2019視頻包。在Britney的演講中獲得更多有用的技術提示，另外還有來自頂尖演講者的26個其他面向未來的主題：
我們建議與您的同事安排良好的老式知識共享，以教育整個團隊-畢竟，誰不喜歡在學校看電影呢？ ;-]