مقدمه:

توضیحات تصویر شامل تولید یک توصیف متنی معنادار با توجه به یک تصویر است. این مساله ای آسان برای یک انسان است، اما برای یک ماشین بسیار چالش برانگیز است؛ زیرا هم شامل درک محتوای یک تصویر است و هم اینکه چگونه می توان این درک را به یک زبان طبیعی ترجمه کرد. اخیرا روش های یادگیری عمیق جانشین متدهای کلاسیک شده و در حال دستیابی به نتایج پیشرفته تری برای حل مشکل تولید خودکار توضیحات تصویر است.
در این مقاله خواهید دید که چگونه می توان از مدل های شبکه عصبی عمیق برای تولید خودکار توضیحات تصویر استفاده کرد.
پس از مطالعه این مقاله موارد زیر را درک خواهید کرد:
• درباره چالش تولید توضیحات تصویر و لزوم ترکیب پیشرفت های حاصل از بینایی رایانه ای و پردازش زبان طبیعی.
• درباره عناصر یک مدل عصبی توضیح تصویر، یعنی استخراج ویژگی و مدل زبان
• چگونگی چیدمان عناصر مدل در رمزگذار-رمزگشا (توسط مکانیسم اتنشن (Attention Mechanism))
این مقاله به سه بخش کلی تقسیم می شود:
١. توضیحات تصویر با متن
٢. مدل عصبی توضیحات تصویر
٣. معماری رمزگذار-رمزگشا

١. توضیحات تصویر با متن

توضیحات تصویر شامل تولید توصیف متنی قابل خواندن توسط انسان برای یک تصویر است. نگاهی گذرا به یک تصویر برای یک انسان کافی است تا جزئیات تصویری را درک کرده و به خوبی توصیف کند. اما برای مدل های تشخیص بصری این کار ساده نیست.
به منظور تولید توضیحات تصویر، ابتدا لازم است تا محتوای تصویر به صورت “کلمات” معنی دار ترجمه شده وسپس در قالب “جملات” قابل درک ارائه شوند. این موضوع بینایی رایانه ای و پردازش زبان طبیعی را در هم می آمیزد و یک بحث چالش برانگیز را در ابعاد وسیع تری از هوش مصنوعی مطرح می کند. اما درجه سختی نیز می تواند متفاوت باشد. به مثال های زیر توجه کنید.

• طبقه بندی تصویر

اختصاص دادن برچسب به تصویر از هزاران کلاس برچسب موجود.

• توضیحات تصویر

تولید توضیح متنی برای یک تصویر

• حاشیه نویسی تصویر

تولید توضیح متنی برای قسمت خاصی از یک تصویر

همچنین می توان به تولید توضیحات تصویرهای مختلف در طول یک ویدئو نیز اشاره کرد.
در این مقاله ما روی “توضیحات تصویر” تمرکز می کنیم.

٢. مدل عصبی توضیحات تصویر

مدل های شبکه عصبی برای تسلط در زمینه تولید خودکار توضیحات تصویر به دست آمده اند. روش های غالب پیش از مدل های شبکه عصبی end-to-end برای تولید توضیحات تصویر، شامل روش Template-based ، روش Nearest-neighbor-based و روش اصلاح توضیحات موجود می باشد. ( قبل از استفاده از شبکه های عصبی برای تولید توضیح ، دو رویکرد اصلی غالب بودند. اولین رویکرد، قالب های ایجاد توضیح با توجه به اشیاء و کشف ویژگی های تصویر را شامل می شد. رویکرد دوم مبتنی بر این بود که ابتدا تصاویری مشابه با تصویر مورد نظر که دارای توضیح بودند را از یک پایگاه داده بزرگ بازیابی کرده و سپس توضیحات متناسب با نیاز اصلاح تغییر می کردند. )
مدل های شبکه عصبی برای نوشتن توضیحات تصویر شامل دو عنصر اصلی هستند:

• مدل استخراج ویژگی

مدل استخراج ویژگی، یک شبکه عصبی است که با در نظر گرفتن یک تصویر قادر به استخراج ویژگی های برجسته، اغلب به شکل یک بردار با طول ثابت است.
ویژگی های استخراج شده تمثالی داخلی از تصویر است، نه چیزی که به طور مستقیم قابل درک باشد. یک شبکه عصبی پیچشی به عنوان زیرمجموعه استخراج ویژگی مورد استفاده قرار می گیرد. این شبکه را می توان مستقیماً روی تصاویر موجود در مجموعه داده توضیحات تصویر آموزش داد. از طرف دیگر می توان از یک مدل از قبل آموزش دیده مانند مدل پیشرفته ای که برای طبقه بندی تصویر کاربرد دارد نیز استفاده کرد. استفاده از مدل های عملکرد بالا در مجموعه داده های ImageNet ایجاد شده برای چالش ILSVRC، بسیار محبوب است (مانند مدل گروه هندسی آکسفورد ویژن).

• مدل زبان

بطور کلی ، یک مدل زبان با توجه به کلماتی که در توالی وجود دارند، کلمه بعدی را پیش بینی می کند. در تولید توضیحات تصویر، مدل زبان یک شبکه عصبی است که با توجه به ویژگی های استخراج شده از شبکه قادر به پیش بینی دنباله کلمات در توضیحات و ایجاد توضیحات با توجه به کلماتی است که قبلاً تولید شده اند. استفاده از یک شبکه عصبی بازگشتی به عنوان مدل زبان بسیار مرسوم است. هر خروجی کلمه جدیدی را در دنباله ایجاد می کند.
هر کلمه ای که تولید می شود رمزگذاری شده و به عنوان ورودی برای رمزگشایی در تولید کلمه بعدی مورد استفاده قرار می گیرد. پیشرفت مدل شامل گردآوری توزیع کلمات در کل واژگان برای دنباله خروجی و جستجوی آن برای تولید چندین توصیف ممکن است. سپس می توان توضیحات احتمالی را امتیازدهی نمود. استفده از الگوریتم جستجوی پرتو (Beam Search) برای این منظور رایج است. مدل زبان را می توان مستقل و با استفاده از ویژگی های از پیش محاسبه شده از مجموعه داده های تصویر آموزش داد. همچنین می توان آن را به طور مشترک با شبکه استخراج ویژگی آموزش داد.

٣. معماری رمزگذار-رمزگشا

یک روش محبوب برای ساخت مدل های فرعی استفاده از معماری رمزگذار-رمزگشایی است که در آن هر دو مدل به طور مشترک آموزش داده می شوند. مدل مبتنی بر یک شبکه عصبی پیچشی است که یک تصویر را در یک تمثال فشرده کدگذاری می کند، و به دنبال آن یک شبکه عصبی بازگشتی یک جمله را تولید می کند.
این معماری برای ترجمه ماشینی ایجاد شده است که یک توالی ورودی، مثلاً به زبان فرانسوی، را به عنوان یک بردار با طول ثابت رمزگذاری شده است. سپس یک شبکه رمزگشا به صورت جداگانه کدگذاری را خوانده و دنباله خروجی را به زبان جدید تولید می کند، مثلاً انگلیسی. مزیت این رویکرد علاوه بر مهارت چشمگیر آن این است که می توان یک مدل end-to-end برای مسئله آموزش داد. جهت تطبیق توضیحات تصویر، شبکه رمزگذار یک شبکه عصبی پیچشی است و شبکه رمزگشایی گروهی ای از لایه های LSTM است.
مدل توضیحات تصویر توسط مکانیسم اتنشن (Attention Mechanism)
یک محدودیت در معماری رمزگذار-رمزگشا این است که از یک نمایه با طول ثابت برای نگهداری ویژگی های استخراج شده استفاده می کند. این مورد در ترجمه ماشینی با افزایش توجه به رمزگذاری غنی تر مورد توجه قرار گرفته است. از این روش همچنین می توان جهت بهبود عملکرد معماری رمزگذار-رمزگشا در توضیح تصویر با استفاده از رمزگشایی تصویر استفاده کرد. با استفاده از این روش، رمزگشاها می توانند آموزش ببینند که در هنگام تولید هر کلمه در توضیحات، روی کدام قسمت از تصویر متمرکز باشند.

به مثال زیر توجه کنید:

جمع بندی
در این مقاله، شما دریافتید که چگونه می توان از مدل های شبکه عصبی عمیق برای تولید خودکار توضیحات تصاویر استفاده کرد. همچنین خواندید:
• درباره چالش تولید توضیحات متنی برای تصاویر و لزوم ترکیب پیشرفت های حاصل از بینایی رایانه ای و پردازش زبان طبیعی.
• درباره عناصری که یک مدل توضیحات تصویر عصبی را دارند ، یعنی استخراج ویژگی و مدل زبان.
• چگونگی چیدمان عناصر مدل در رمزگذار-رمزگشا (توسط مکانیسم اتنشن (Attention Mechanism))

:: برچسب‌ها: یادگیری ماشین , ماشین لرنینگ , هوش مصنوعی ,
:: بازدید از این مطلب : 236

|

امتیاز مطلب : 57

|

تعداد امتیازدهندگان : 12

|

مجموع امتیاز : 12

پایتون به عنوان زبان ارجح برای آموزش و یادگیری Ml (یادگیری ماشین) مورد استفاده قرار می گیرد . همچنین به عنوان یک زبان برنامه افزودنی برای برنامه هایی که به زبان های دیگر نوشته شده اند و نیاز به رابط های اسکریپت یا اتوماسیون آسان دارند ، قابل استفاده است. یادگیری ماشین با پایتون یک نقطه شروع خوب برای Ml  است و شما می توانید از آن برای استفاده از مدلهای موجود مانند رگرسیون خطی ، رگرسیون لجستیک و SVM استفاده کنید.ولی  اگر در مورد یادگیری ماشین جدی تر هستید بهتر است برخی از کتابهای ریاضیات را نیز درک کنید.  در این مقاله با 8 کارایی شگفت انگیز ماشین لرنینگ با پایتون آشنا خواهیم شد .

1. سادگی خواندن و نوشتن در پایتون 

تنها دلیل انتخاب پایتون به عنوان زبان مقدماتی برای برنامه نویسی ، سادگی آن است. پایتون ساده اما قدرتمند است. نوشتن پایتون آسان است ودرک آسانی دارد. شرایطی مانند گرفتن کد شما از یک توسعه دهنده دیگر که از مؤلفه های شخص ثالث استفاده می کند به این معنی است که شما نیاز به سرورهای شناختی بسیار کمی دارید. همچنین خوانایی کدها بیشترازچیزی است که نوشته شده است. بنابراین ، سادگی خدمت بزرگی برای پایتون محسوب می شود.

2. مجموعه عظیمی از کتابخانه های مرتبط  در پایتون

پایتون برای اهداف یادگیری ماشینی مجموعه گسترده ای از کتابخانه ها را در اختیار دارد. اینها شامل Python NumPy ، SciPy ، scikit-Learn و موارد دیگر است. که برای تمام کارهای ذاتی یادگیری ماشین کاربرد دارند..
scikit-Learn– برای داده کاوی ، تجزیه و تحلیل داده ها و یادگیری ماشین مناسب است.
pylearn– انعطاف پذیر تر از scikit-Learn میباشد.
کتابخانه ماژولار PyBrain با الگوریتم های یادگیری ماشین انعطاف پذیر ، آسان و قدرتمند و محیط های از پیش تعریف شده برای آزمایش و مقایسه الگوریتم ها مناسب است.
orange – کمک به تجسم و تجزیه و تحلیل داده ها با منبع باز ، دارای مؤلفه هایی برای یادگیری ماشین ، دارای پسوندهایی برای سنجش بیومتریک و استخراج متن، پشتیبانی از داده کاوی از طریق برنامه نویسی بصری یا برنامه نویسی پایتون است.
PyML– چارچوب تعاملی شی گرا برای یادگیری ماشین ، که در پایتون نوشته شده است.
Milk_ دارای SVM ، k-NN ، جنگلهای تصادفی ، درختان تصمیم گیری ، که انتخاب ویژگی را انجام می دهد.
Shogun– ابزار یادگیری ماشین ، متمرکز بر روش های کرنل بزرگ مقیاس و SVM ها میباشد.
Tensorflow_کتابخانه شبکه عصبی سطح بالا میباشد.

برنامه های کاربردی آموزش ماشین با پایتون

1. پیش بینی گزینه های موسیقی

محصولاتی مانند Genius توسط Apple Music بر آنچه شما گوش می دهید نظارت می کند. بعداً ، می تواند لیستی از آهنگهایی را که احتمالاً ترجیح می دهید به شما پیشنهاد دهد. همچنین آهنگهایی را از لیست پخش شما انتخاب می کند تا کتابخانه هایی مشابه با یکدیگرایجاد شود.

2. کشف مواد مخدر و تشخیص بیماری با الگوریتم های ماشین لرنینگمی توانیم کارهای زیر را به کمک یادگیری ماشین دراین زمینه انجام دهیم :

• برنامه های کاربردی آموزش ماشین با پایتون
• غربالگری اولیه ترکیبات دارویی
• پیش بینی میزان موفقیت بر اساس عوامل بیولوژیکی
• فن آوری های تحقیق و توسعه مانند نسل بعدی توالی
• فرآیندهای بیماری را درک کنید.
• درمان هایی مؤثر برای بیماری ها طراحی کنید.
• شخصی سازی ترکیبات دارویی.
• داروهای ارزان تر با همانندسازی بهبود یافته تولید کنید.
• تحقیق و توسعه روش های تشخیصی و درمانی.

3. تشخیص چهره

امکاناتی مانند تشخیص چهره به کمک ماشین لرنینگ اغلب مواردی است که با Facebook می بینیم. وقتی می خواهیم یک عکس را برچسب گذاری کنیم ، فیس بوک به طور خودکار چند نام را به ما پیشنهاد می دهد و در اکثر اوقات ، نام او برای چهره ای که کشف کرده است به کمک یادگیری ماشینی دقیق است.

4. دستیاران شخصی مجازی 

نام هایی مانند سیری و الکسا قابلیت دستیاران مجازی را به خاطر می آورند. ما می توانیم از سیری بخواهیم برایمان تماس بگیرد یا موسیقی بخواند. برای پیش بینی وضع هوا امروز می توانید از الکسا سوال کنید. حتی می توانید زنگ خطر را تنظیم کرده یا پیامک ارسال کنید. فقط باید با آن صحبت کنید و به فرمان شما گوش فرا می دهد.این دستیارها به نحوه تعامل شما با آنها توجه می کنند و از آن استفاده می کنند تا تجربه بعدی شما را بهتر کنند.

 5. خدمات رسانه های اجتماعی

این برنامه از یادگیری ماشینی برای نظارت بر فعالیت شما استفاده می کند. چه پروفایل هایی را که بازدید می کنید ، چه افرادی را برای آن ها درخواست دوستی میفرستید یا افرادی که درخواست های آنها را می پذیرید وهمینطور افرادی که برچسب گذاری می کنید …
فیس بوک امیدوار است تجربه غنی تری را در پلتفرم خود به شما ارائه دهد ، بنابراین شما مرتباً از یادگیری ماشین با پایتون در آن استفاده خواهید کرد.

6. اتومبیل های خودران 

این اتومبیل داده ها راجع به اشیاء اطراف و اندازه و سرعت آنها از طریق سنسورها دریافت می کنند و براساس نحوه رفتار آنها ، اشیاء را به عنوان دوچرخه سوار ، پیاده و سایر اتومبیل ها طبقه بندی می کند.سپس از این داده ها برای مقایسه نقشه های ذخیره شده با شرایط فعلی استفاده می کند. چنین اتومبیل هایی از الگوریتم های Machine Vision استفاده می کنند.

7. پشتیبانی آنلاین مشتری

وب سایتهای آموزشی و سیستم عاملهای خرید اغلب یک گپ زنده را برای کمک به سوالات خود ایجاد می کنند. بازدید کننده ای با کلی سؤال بی جواب ،احتمالاً خرید خود را ترک می کند.ولی برخی از وب سایتها از یک chatbot برای جلب اطلاعات به وب سایت استفاده می کنند و سعی می کنند به سؤالات مشتری بپردازند.

8. نظارت تصویری

قبل از وقوع برخی از جرائم می توان با نظارت و شناسایی رفتار افراد از آنها جلوگیری کرد.ماشین لرنینگ با پایتون  رفتارهایی مانند ایستادن بی حرکت ، چرت زدن روی نیمکت و پیروی از فرد دیگر را می تواند از طریق سیستم نظارت تصویری به انسان هشدار دهد.

9. توصیه های محصول

سیستم عاملهای خرید مانند آمازون و جابونگ متوجه می شوند چه کالاهایی را مشاهده می کنید و محصولات مشابه را برای شما پیشنهاد می کنند. اگر این محصول مورد علاقه شما به دست شما برسد و به خریدی که انجام داده اید منجر شود ، این یک برد برای آنها است. برای تشخیص محصولات به کمک ماشین لرنینگ از لیست دلخواه، سبد خرید و مشاهدات شما استفاده می کنند.

10. برنامه های قیمت گذاری بیمه

یادگیری ماشینی می تواند تشخیص دهد که آیا راننده احتمالاً در طول مدت بیمه باعث ایجاد یک خسارت بزرگ شده است یا نه . این به شرکت های بیمه اجازه می دهد تا برنامه های بیمه قیمت را بر این اساس تنظیم کنند.

11. ترجمه خودکار

ماشین لرنینگ با پایتون  به ما امکان می دهد یک متن را به زبانی دیگر ترجمه کنیم. الگوریتم ماشین لرنینگ برای این کار از شکل چگونگی قرارگیری کلمات در کنار هم استفاده میکند و سپس از این اطلاعات برای بهبود کیفیت ترجمه استفاده می کنند. با این کار، ما همچنین می توانیم متون روی تصاویر را با استفاده از شبکه های عصبی و شناسایی حروف ترجمه کنیم.

12. تشخیص کلاهبرداری های آنلاین

اگر با PayPal آشنا هستید ، PayPal از یادگیری ماشینی برای دفاع در برابر اقدامات غیرقانونی مانند پولشویی استفاده می کند. با مقایسه میلیون ها تراکنش می توان فهمید که کدام یک از آنها نامشروع است.

 

کارایی های بیشتر یادگیری ماشین با پایتون

به غیر از مواردی که ذکر کردیم ، می توانیم از Machine Learning برای اهداف زیر استفاده کنیم :

• شناسایی ژنهای انسانی که مستعد ابتلا به سرطان هستند.
• شناسایی محصولاتی که مصرف کنندگان به آن واکنش نشان می دهند.
• معاملات سهام و مشتقات.
• بازرسی بسته برای نرم افزار ضد ویروس.
• تشخیص تاخیر در پروازهای هواپیما.
• تشخیص تعمیرات و نگهداری کارخانه.
• تبلیغات رفتاری برای محصولات.

 موارد ذکر شده همگی در مورد برنامه های کاربردی یادگیری ماشین با پایتون میباشد. امیدوارم توضیحات ما در این خصوص  برایتان مفید بوده باشد.

اگر میخواهید فایل پی دی اف  این مقاله را دریافت کنید یا آن  را برای دیگران ارسال کنید در لینک زیر در دسترس میباشد .

:: برچسب‌ها: یادگیری ماشین , ماشین لرنینگ , هوش مصنوعی ,
:: بازدید از این مطلب : 221

|

امتیاز مطلب : 55

|

تعداد امتیازدهندگان : 11

|

مجموع امتیاز : 11

طبق گزارشات از سایت های بررسی مشاغل ، مهندس یادگیری ماشین به دلیل رشد تقاضا و حقوق زیاد بهترین شغل سال 2019 نامیده شده است. متوسط درآمد فعلی این حرفه 146.085 دلاروبا نرخ رشد 344 درصد در سال گذشته برخوردار است.بنابرین در حال حاضرمی توان گفت آینده مشاغل مرتبط با هوش مصنوعی به نسبت سایر حوزه های شغلی بسیار پررونق تر بوده و در این میان مهندسی یادگیری ماشینی در صدر قرار دارد.
شرکت هایی مانند گوگل ، کوئورا و فیس بوک افراد زیادی را با تخصص یادگیری ماشین استخدام می کنند. در دانشگاههای برتر دنیا تحقیقات گسترده ای در زمینه یادگیری ماشین وجود دارد و در شرکت های برتر هیچ محدودیتی در مورد حقوق افراد متخصص یادگیری ماشین وجود ندارد.
ایران نیز در رتبه ی ۱۵ جهان در زمینه هوش مصنوعی قرار دارد و تنها رقیب وی در خاورمیانه کشور ترکیه است. مسلما با پیشرفت روزافزون این حوزه و توسعه کاربرد های آن ایران می تواند به زودی جزو ۱۰ کشور برتر در زمینه یادگیری ماشین و هوش مصنوعی قرار بگیرد. دانشگاه های معتبر ایرانی تحقیقات زیادی در این حوزه انجام می دهند و به پیشرفت های قابل توجهی رسیده اند.
در این مقاله از وبسایت آکادمی آمانج به بررسی بیشتر بازار کار و وضعیت یادگیری ماشین در ایران میپردازیم .

بازار کار یادگیری ماشین در جهان

شبکه اجتماعی لینکدین یکی از شبکه های اجتماعی نسبتا تخصصی است که بر اساس روابط تجاری و شغلی شکل گرفته و اطلاعات مرتبط با مشاغل مختلف در آن قابل دسترسی است. این شبکه اجتماعی به طور دوره ای نسبت به شرایط رشد و آینده مشاغل تحقیقاتی انجام داده و آن را منتشر می کند.

همکاران شبکه اجتماعی لینکدین اطلاعاتی را در مورد مشاغلی که طی چند سال اخیر بیش‌ترین رشد را تجربه کرده‌اند منتشر کرد و بر اساس آن مشخص شد مهارت‌های مرتبط با حوزه فناوری و داده از جمله بخش‌هایی بودند که میزان اشتغال‌زایی در آن‌ها سریع‌ترین رشد را داشته است و به خصوص آن دسته از افرادی که در عرصه مرتبط با داده‌ها فعالیت می‌کنند بیش‌تر از بقیه این رشد را پیش روی خود دیده‌اند.

۱۰ عنوان شغلی برتر با پررونق‌ترین بازارکاری در پنج سال گذشته بر اساس گزارش لینکدین عبارتند از:

• مهندس یادگیری ماشینی (رشد ۹.۸ برابری تعداد کارفرمایان نسبت به سال ۲۰۱۲)
• کارشناس داده (رشد ۶.۵ برابری نسبت به سال ۲۰۱۲)
• توسعه دهنده سیستم‌های فروش (رشد ۵.۷ برابری نسبت به سال ۲۰۱۲)
• مدیر ارتباط با مشتری (رشد ۵.۶ برابری نسبت به سال ۲۰۱۲)
• توسعه‌دهنده کلان داده (رشد ۵.۵ برابری نسبت به سال ۲۰۱۲)
• مهندس پشتیبان (رشد ۵.۵ برابری نسبت به سال ۲۰۱۲)
• توسعه‌دهنده نرم‌افزارهای کاربردی (رشد ۵.۱ برابری نسبت به سال ۲۰۱۲)
• مدیر علوم داده (رشد ۴.۹ برابری نسبت به سال ۲۰۱۲)
• شرکای تجاری برندها (رشد ۴.۵ برابری نسبت به سال ۲۰۱۲)
•  توسعه‌دهنده سیستم‌های پشتیبانی (رشد ۴.۵ برابری نسبت به سال ۲۰۱۲)

پرتقاضاترین شغل‌ها در حوزه‌ی ماشین لرنینگ و هوش مصنوعی در ایران

۱-مهندس یادگیری ماشین (machine learning engineer)

۲-متخصص داده (data scientist)

۳-متخصص پژوهش (research scientist)

۴-مهندس تحقیق و توسعه (R&D engineer)

۵-توسعه‌دهنده‌ی هوش تجاری (BI developer)

۶-مهندس بینایی ماشین (computer vision engineer)

مهارت های مورد نیاز جهت استخدام در حوزه یادگیری ماشین در ایران

کاربردهای هوش مصنوعی و ماشین لرنینگ در شرکت‌های ایرانی

 

توضیح مختصری درباره‌ی کسب‌وکار خود بفرمایید:

رضا مرادی – توسعه‌دهنده بک‌اند در سخن:

سخن یک کسب‌وکار B2B است که کسب‌وکارها را قادر می‌سازد محصولات و خدمات خود را به صورت گفتاری به مشتریان ارائه دهند و از طریق صوت با آن‌ها ارتباط برقرار کنند.

محسن شجاعی – مدیر فنی پوشه:

پوشه زیرساخت Push Notification است. ما در واقع یک کسب‌وکار B2B هستیم و خدمات ارسال نوتیفیکیشن ارائه می‌کنیم. ما ۸۰ میلیون نصب فعال و حدود ۳۰ میلیون دستگاه یکتا داریم.

هادی راسخ – مدیرعامل سلام‌سینما:

سلام‌سینما چندین سال است که در حوزه‌ی فیلم و سینما فعالیت می‌کند. سلام‌سینما برای سرویس پیشنهاد فیلم خود از هوش مصنوعی استفاده می‌کند.

دکتر محمود کریمیان – مدیرعامل دیدئو:

دیدئو یک جستجوگر ویدیویی است از سال ۹۴ شروع به کار کرده است. دیدئو سعی می‌کند دسترسی به فیلم‌های مختلف پلتفرم‌هایی مانند یویتیوب را ممکن سازد. در حال حاضر حدود ۶ میلیون کاربر ماهانه داریم و هر ماه ۲۵ میلیون ویدیو در آن دیده می‌شود.

هوش مصنوعی چه کاربردهایی در کسب‌وکار شما دارد و چرا به سراغ هوش مصنوعی رفته‌اید؟

رضا مرادی:

تنها راهکار انجام کارهایی که مد نظر ماست، استفاده از هوش مصنوعی است. در تبدیل صوت به متن و درک صوت، پیچیدگی‌های مختلفی وجود دارد. ما باید بتوانیم بدون قاعده‌ی خاصی، این کار را انجام دهیم. ما از ابزارهای شناسایی صوت (Voice Recognition)، پردازش زبان طبیعی (nlp) و موتور تبدیل متن به گفتار (text-to-speech) استفاده می‌کنیم. ما به جاهای مختلفی خدمات ارائه می‌دهیم. به فرودگاه‌ها، ایرانسل، ۷۲۴ و … خدمات می‌دهیم. همچنین ما در حال ساخت سیستمی هستیم تا در سوانح طبیعی با تحلیل تصاویر هوایی و نظرات مردم در شبکه‌های اجتماعی، به امدادرسانی کمک کنیم.

محسن شجاعی:

ما سعی داریم با پیاده‌سازی هوش مصنوعی بر روی سرویس اصلی، مشتریان بیش‌تر و حرفه‌ای‌تری جذب کنیم. برای مثال مارکترها در کمپین‌های خود از A/B Testing استفاده می‌کنند. ما با استفاده از هوش مصنوعی، قبل از انجام اجرای کمپین، CTR را تخمین می زنیم و از این طریق نیاز به انجام تست‌های مختلف را از بین می‌بریم. همچنین، مارکترها می‌توانند با استفاده از سیستم ما، به شکل شخصی‌سازی‌شده برای افراد کمپین اجرا کنند. کار دیگری که ما انجام می‌دهیم، پیش‌بینی نارضایتی کاربران است.

هادی راسخ:

هدف ما از ابتدا استفاده از هوش مصنوعی نبود. از جایی تصمیم گرفتیم هوش مصنوعی را به کار بگیریم تا تجربه‌ی بهتری برای مخاطبان خلق کنیم.

محمود کریمیان:

وقتی دیدئو را شروع کردیم، در مورد حجم داده‌ها دیدی نداشتیم. ابتدا تصمیم گرفتیم ویدیوها را به صورت Bulk وارد سیستم کنیم. اما بعد از مدتی دیدیم، برای وارد کردن محتواهای خوب به پلتفرم، وقت و نیروی زیادی نیاز داریم. ما به سمت فرایند بلک لیستی رفتیم که می‌تواند تشخیص دهد یک محتوا مناسب است یا نه. این فرایند با استفاده از یک درخت دانش (knowledge graph) انجام می‌شود. دیدئو یک موتور پیشنهاددهنده نیز دارد که محتوای ویدیویی مورد علاقه کاربر را به وی نشان می‌دهد.

چالش های استارت آپ ها و سرمایه گذاران هوش مصنوعی و یادگیری ماشین در ایران

محمد احمدی  مدیر عامل و عضو هیات مدیره شرکت اسمارت آپ ونچرز سال‌هاست که به صورت شخصی در بازارهای مالی (عمدتا سرمایه‌گذاری در استارتاپ‌ها ) مشغول سرمایه گذاری میباشد وی در مصاحبه ای به بخشی از سوالات در خصوص سرمایه گزاری در حوزه هوش مصنوعی و یادگیری ماشین در ایران پاسخ داده که مهمترین آن ها را میخوانیم :

 از علل توجه خودتان به حوزه هوش مصنوعی بگویید.

هوش مصنوعی یکی از حوزه های ماست. دلیل این انتخاب، دید بلند مدتی است که داریم. هوش منصوعی در ایران ممکن است مقداری با مانیتایز شدن و کسب درآمد کردن و استفاده کاربردی و روزمره فاصله داشته باشد. اما حس می‌کنم در آینده جهان و آینده اقتصاد نقش جدی و پررنگی دارد. بنابراین ما نیاز داریم که آن را یاد بگیریم. یادگرفتن هوش مصنوعی تنها با خواندن کتاب و مقاله محقق نمی‌شود. بلکه یک سرمایه‌گذار باید در این حوزه سرمایه گذاری کند تا بتواند با مشکلات و دردسرهایش آشنا بشود.

ما با این دید، دو استارتاپ سرمایه گذاری کردیم؛ این فکت و دیالوگ که در زمینه هوش مصنوعی فعال هستن. اگر به سخنرانی‌هایی که در مورد نوآوری وجود دارد نگاه کنید متوجه می‌شوید که هوش مصنوعی وجه مشترک تمام صحبت های آینده پژوهان است. مثلاً بن هاروویتز با مقایسه نوآوری ۲۰ سال آینده با ۲۰ سال گذشته می‌گفت تمرکز و نقاط کانونی ما از گذشته تا امروز چگونه و چقدر تغییر کرده است؟ علی رغم تفاوت‌هایی که گذشته و آینده داشته و دارد تقریباً در همه آنها هوش مصنوعی و یادگیری ماشین قسمت جدی نوآوری در آینده است.

آیا نسبت علاقه مندی شما به این استارتاپ‌ها متفاوت است ؟ ارجحیت شما برای سرمایه گذاری به سمت هوش منصوعی است یا استارتاپ‌های خدماتی‌تر؟

می شود گفت هرکدام ریسک پروفایل متفاوتی دارند. یعنی بعضی از این استارتاپ ها نوع ریسک‌ها و بازگشت سرمایه‌شان متفاوت است. بعضی از این استارتاپ‌ها ریسک بسیار کمی دارند و به همان نسبت در آینده هم بازگشت سرمایه کمتری احتمالاً داشته باشند. بعضی از آنها ریسک بالقوه زیادی دارند و فاصله شان با کسب درآمد کردن ممکن است بیشتر باشد مانند هوش مصنوعی اما ما حس می کنیم که در آینده می‌توانند نقش جدی در سبد ما داشته باشد. به بیان دیگر؛ باید نسبت به بعضی از سرمایه‌گذاری‌ها دید بلند مدت تری داشته باشیم، مثل هوش مصنوعی اما به بعضی از آنها با اهدف کوتاه مدت‌تر و میان مدت‌تر پرداختیم.

آیا نکات تئوری در عمل هم درحال وقوع است؟ چون اینطور به نظر می‌رسد که بعضی استارت آپ ها ایده‌آل سرمایه‌گذاری هستند اما در عمل چنین اتفاق‌هایی رخ نمی‌دهد.

بله واقعیت دارد؛ مثلاً یکی از استارتاپ‌های ما به نام «گهواره» که به مادران از پیش از بارداری تا ۶ سالگی فرزند محتوا می‌دهد، در این حوزه از هوش مصنوعی استفاده می شود در تشخیص اینکه چه محتواهایی به درد چه افرادی می‌خورد. بنابراین اگر در حوزه سلامت وارد شده باشیم هوش مصنوعی به کار ما می‌آید. همینطور استارتاپ «کرفس» که در زمینه رژیم غذایی فعالیت می‌کند با بیگ دیتاها روبرو است و بنابراین عرصه مستقیم فعالیت هوش مصنوعی برای تشخیص الگوها و الگوریتم‌ها است.

ازسختی ها و چالش های کارسرمایه گذاران و استارتاپ های حوزه هوش مصنوعی در ایران ؟

من جواب این سؤال را به دو قسمت تقسیم می‌کنم؛ از دید سرمایه گذار و از دید استارتاپ. از دید سرمایه گذار چیزی که ماجرا را سخت می‌کند دوره نگهداری طولانی (HPR) است یعنی اینکه چقدر باید در یک سرمایه گذاری بمانی تا به سود برسی  در صنعت سرمایه گذاری این عدد بالاست یعنی عرف دنیا به ۵ تا ۷ سال می‌رسد؛

یعنی ۷ سال باید در استارتاپ بمانی تا با سود خارج شوی. اما سرمایه‌گذارهای ما عادت به سودهای کوتاه مدت دارند یعنی به دلیل واقعیت‌های اقتصادی کشورمان بسیاری از سرمایه گذارانمان دلال مسلک هستند تا حداکثر در سال آینده با سود خوبی خارج شوند. در حالی که این رویکرد برای فضای استارتاپی ممکن نیست.

سختی و مشکل استارتاپ‌ها این است که بسیاری از آنها بر اساس علاقه شان محصول ساخته‌اند نه نیاز بازار. ابتدا باید مشتری را پیدا کرد و بعد برای مشکل اون راهکار ارائه داد. به نظر من بیش از آنکه این مشکل، فنی باشد به نیازسنجی و شناخت بازار مربوط است. یعنی خیلی از استارتاپ‌ها جاهای غلطی را انتخاب می‌کنند.

:: برچسب‌ها: یادگیری ماشین , ماشین لرنینگ , هوش مصنوعی ,
:: بازدید از این مطلب : 206

|

امتیاز مطلب : 55

|

تعداد امتیازدهندگان : 11

|

مجموع امتیاز : 11

در قسمت اول این مقاله ما در مورد ۵ فاکتور اساسی و مهم که گوگل بر مبنای آن، سایت شما را در  نتایج اولیه خود نشان میدهد، اشاره کردیم که شمامل لینک های خارجی، مبحث freshness، اعتبار موضعی، هدف جستجو و عمق محتوا بود. در قسمت دوم این مقاله که پیش روی شما قرار دارد ۵ فاکتور دیگر را مورد نقد و بررسی قرار داده و با یک جمع بندی خوب، راه شما را در  درک آن تسهیل میکنیم. پس با ما همراه باشید.

۶) سرعت سایت

سرعت سایت از سال ۲۰۱۰ یکی از فاکتورهای مهم در رتبه بندی گوگل بوده است و از سال ۲۰۱۸ این فاکتور علاوه بر دسکتاپ به گوشی های تلفن همراه نیز تعمیم داده شد.
در رقابت های تنگاتنگی که در صفحه اول گوگل انجام میشود، بحث بر سر چند میلی ثانیه زودترلود شدن محیط سایت است تا کاربر بیش از پیش احساس راحتی کند.

سرعت بارگزاری سایت ما باید چقدر باشد؟

طبق آماری که گوگل در سال ۲۰۱۸ اعلام کرد، صفحات سایت در پلتفرم تلفن همراه باید در کم تر از ۳ ثانیه، کل سایت را به مخاطب نمایش دهند و TTFB که مخفف (time to first byte) میباشد نیز کمتر از ۱.۳ ثانیه باشد.
در ضمن اندازه کل یک صفحه وب در صفحه موبایل باید کمتر از ۵۰۰ کیلوبایت باشد.
توجه: برای آنالیز و چک کردن سرعت سایت خود و بارگزاری آن در پلتفرم های مختلف از گوگل سرچ کنسول میتوانید استفاده کنید.

۷) HTTPS

HTTPS با رمزنگاری داده ها بین مرور گر و سرور، امنیت اطلاعات کاربران و سایت را تامین می‌کند.
در سال ۲۰۱۴، گوگل، HTTPS را به عنوان یکی از عوامل تاثیر گذار بر  یک درصد جستجو ها اعلام کرد و از آن زمان نسبت به آن متعد تر عمل کرد و سایت های که از HTTP استفاده میکردند را با هشدار سایت غیر امن نمایش داد.
با تمام این اوصاف HTTPS یکی از عوامل تاثیرگذار و بسیار مهم از سال ۲۰۱۹ است که باید حتما در ساختار سایت شما رعایت شود.
توجه: برای این کار میتوانید یک لایسنس SSL بگیرید. LetsEncrypt این کار را به صورت رتیگان برای شما انجام می‌دهد.

۸) سازگاری با تلفن همراه یا (mobile friendness)

امروزه تقریبا دو سوم جستجوها توسط تلفن های هوشمند انجام میشود برای همین در سال ۲۰۱۵ گوگل این فاکتور را به عنوان یکی از ارکان مهم رتبه بندی خودش اعلام کرد.
در ضمن یادتان باشد صفحه سایت شما در ابتدا از لحاظ سازگاری با تلفن همراه بررسی می‌شود سپس دسکتاپ لحاظ می‌شود.
برای بررسی این فاکتور نیز می‌توانید از گوگل سرچ کنسول استفاده کنید.

۹)تجربه کاربری

این که سایت شما چه حس و تجربه مثبتی به کاربر بدهد بسیار مهم است. مثلا استفاده از پاپ آپ های مختلف و مزاحم، کاربر را ممکن است از سایت شما (حتی اگر خدمات و نیاز های مشتری را برطرف کند) زده کند.

مطمئن باشید گوگل این موضوع را متوجه خواهد شد

حال این سوال مطرح می‌شود که چه کارهای باعث ایجاد یک تجربه کاربری خوب میشود؟

１) خوانایی محتوا از دید مخاطب و گوگل
２) مطالب جالب، جامع و مفید
３) طراحی خلاقانه
４) عدم وجود تبلیغات مزاحم
５) طراحی سایت بر اساس نیاز مخاطب

البته برخی از تحلیل معیارهایی مثل نرخ کلیک، زمان ماندن مخاطب در سایت و نرخ پرش یا (bounce rate) نیز صحبت میکنند.
البته این معیارها بخاطر پیچیدگی و وابسته بودنشان به بسیاری از عوامل دیگر، به عنوان فاکتورهای جانبی مورد بررسی قرار می‌گیرند.

نوجه: هیچ کس به طور قطع نمیتواند بگوید گوگل چطوررضایت کاریر را رصد و اندازه گیری میکند و چظور آن را تاثیر می‌دهد.
پس سعی کنید سایت را طوری طراحی کنید که خودتان و تیم تان از استفاده از آن لذت ببرید. مطمئن باشید گوگل نیز از آن لذت میبرد.

۱۰)‌ دقت درمحتوا (Content accuracy)

گوگل دوست دارد شما دقیقا آنچه مخاطب میخواهد را به او نشان دهید، در این مورد معرفی کردن کلمه کلیدی های درست به گوگل، از اهمیت بالایی برخوردار است.

برای مثال در کلاس های سئو که من به عنوان تدریسیار فعالیت میکردم، تعدادی از دانشجویان از کلمات کلیدی بسیارراحت برای صفحه لندینگ خود استفاده میکردند، در حالی که هیچ قصدی برای قرار دادن محتوا دراین زمینه، در سایت خود نداشتند.
این کار کاملا اشتباه است و گوگل خوشبختانه این موضوع را متوجه میشود. پس چیزی به گوگل معرفی کنید که قصد تولید محتوا و فعالیت در آن را دارید!
در ضمن بیان اطلاعات درست هم خیلی موضوع مهمی است برای چک کردن صحت مطالب خودتان، حتما از سایت های مرجع استفاده کنید.

حرف آخر…

تمام مراحلی که در طی این این دو مقاله گفته شد را میتوان در این ۷ گام خلاصه کرد:

１) مطالب درست و قابل اعتماد منتشر کنید
２) مطمئن شوید که سایت شما در تمام پلتفرم ها به شکل صحیحی نمایش داده می‌شود
３) اطمینان حاصل کنید که سایت شما برای مخاطب جذاب است و چیزی که در سایت مزاحمت ایجاد کند وجود ندارد
４) آنچه که مخاطب باید بداند را به خوبی توضیح دهید
５) در یک حوزه تخصصی پیش بروید و محتوا تولید کنید
６) لینک خارجی گرفتن از سایت های قوی را جدی بگیرید
７) مطالب خور را بروزرسانی کنید و آحرین اخبار حوزه خود را حتما به دید کاربر برسانید

:: برچسب‌ها: سئو , رتبه بندی گوگل , سئوسایت , مقالات سئو سایت ,
:: بازدید از این مطلب : 211

|

امتیاز مطلب : 55

|

تعداد امتیازدهندگان : 11

|

مجموع امتیاز : 11

یک سلام بلند و پرانرژی به تمامی دواطلبان و همراهان عزیزمون. امیدوارم که سال ۹۹ را تا اینجا بسیار خوب و پر بازده جلو رفته باشید و در این روزهای سخت مراقب سلامتی خودتون باشید.

امروز می خواهم مطلبی کوتاه ولی فوق العاده مهم رو باهاتون درمیان بگذارم، مطلبی به ظاهر ساده و خیلی مهم که در عین حال خیلی از داوطلبان عزیز کنکور سراسری توجهی بهش ندارند.

اسم این مقاله رو گذاشتم چاشنی های مهم یک کنکوری، چون با رعایت مطالبی که می خواهم به شما بگویم به سادگی می توانید خودتون رو آماده تر کنید، مثل یک غذا که با اضافه کردن چاشنی های مختلف بهش خیلی دلچسب تر میشه.

قطعا و بدون شک مهمترین عامل موفقیت در سال کنکور ساعت مطالعه بالا می باشد، کسی که می خواهد به قله موفقیت کنکور برسد باید زیاد درس بخواند یا به قول معروف بعضی از اوقات خرخوان باشد. اما برای اینکه این مطالعه زیاد ثمره خاص و جذابی داشته باشد باید موارد بسیار زیادی را نیز رعایت کنید و یا از انجام بعضی از موارد بپرهیزد. در این مقاله می خواهم به بعضی از این عادت ها بپردازم و درست و غلطی آن ها را از نظر کلی بررسی کنم. پس بریم و باهم مهمترین چاشنی های یک کنکوری درجه یک رو بررسی کنیم.

استراحت

استراحت یکی از عواملی است که اکثرا نزد دانش آموزان کنکوری درست رعایت نمی شود. به طور کلی می توانم بگویم که استراحت در بسیاری از موارد نزد دانش آموزان به صورت سیستم صفر یا یک است. عده ای آن قدر استراحت می کنند و آن قدر به آن اهمیت می دهند که خودشان را بد عادت می کنند و زمانی که مجبور هستند فشرده تر درس بخوانند، توانایی این کار را ندارند.

اما در مقابل دانش آموزانی وجود دارند که به اصطلاح جوگیر می شوند و می گویند من ۴ ساعت هم بخوام برایم کافی است و می توانم مطالب را به خوبی مطالعه کنم، این دسته از دوستان در نظر نمی گیرند که خستگی یک فرآیند تدریجی است و بدون آن که شما متوجه شوید روی ذهن و راندمان شما تاثیر نامطلوب می گذارد. پس ساعت استراحتتان باید اصولی و با نظر مشاورتان باشد. به طور کلی استراحت شامل دو پارامتر مهم است.

۱) مدت استراحت

۲) زمان انجام استراحت

بهترین مدت استراحت برای یک دانش آموز کنکوری نزدیک به ۷ ساعت خواب مفید می باشد.
و بهترین زمان انجام آن بین بازه ۱۲ شب تا ۷ صبح می باشد که مراحل خواب شما به شکل کاملا اصولی و درست انجام می شود.
اگر عادت به استراحت بعد از نهار دارید فراموش نکنید نباید این زمان به بیش از ۴۰ یا ۴۵ دقیقه برسد، به این علت که بعد از این تایم خواب به مرحله خواب عمیق می رسد و بعد از بیداری شما حالتی کسل و به مراتب خسته تر از حالت اولیه دارید. پس بهتر است زمان آن را به درستی رعایت کنید.

صبحانه

عاملی که خیلی از داوطلبان به ویژه داوطلبان سال دوازدهم که به مدرسه می روند رعایت نمی کنند بحث صبحانه است. آن ها اعتقاد دارند که میل صبحانه خوردن ندارند. مغز ما مهمترین عضو بدن ما در راستای آماده سازی برای کنکور است که مانند یک ماشین که نیاز به سوخت برای حرکت دارد، نیاز به غذا برای حرکت و انجام فعالیت ها دارد. مطمئن باشد اگر صبحانه که بدون تردید مهمترین و عده غذایی است را به طور کامل مصرف نکنید در طول روز یادگیری و بازدهی شما به شدت دچار افت خواهد شد. پس عادت غلط صبحانه نخوردن را از همین فردا کنار بگذارید و برای فعالیت های ذهن خود احترام قائل شوید.

استراحت بین درس خواندن

به طور کلی استراحت های ما بین درس خواندن به دو نوع کلی تقسیم می شود

۱) استراحت درجا

این نوع استراحت بین باکس های مطالعاتی انجام می شود و بسته به میزان مطالعه شما از ۱۰ تا ۱۵ دقیقه متغیر است. این استراحت همانطور که از اسمش بر می آید، جابجایی زیادی ندارد و شما باید در محیط مطالعه خود باقی بمانید و فقط در مواقع ضروری محل مطلعه را ترک کنید. این نوع استراحت باعث می شود علاوه بر اینکه ذهن و بدنتان انرژی مجدد برای مطالعه را پیدا کند، از جو محیط مطالعه دور نشوید. لطفا این استراحت را کامل جدی بگیرید.

۲) استراحت های کلی

بهد از چندین باکس مطالعاتی و استراحت های درجا می توانید محیط مطالعه خود را به مدت حدودا نیم ساعت ترک کنید، به نزد خانواده بروید با آن ها صحبت کنید و انرژی لازم را کسب کنید. اکیدا از استفاده تلفن همراه و گشتن در شبکه های مجازی در این مدت استراحت خود داری کنید، زیرا ذهن شما را کاملا درگیر می کند.

دراز کشیدن یا راه رفتن هنگام درس خواندن

اتفاق عجیبی که بعضی از دانش آموزان با آن مواجه هستند، درس خواندن به صورت دراز کشیده یا نشسته روی زمین می باشد. دوست عزیز کنکوری من ساده ترین دلیل برای این که نباید به صورت دراز کشیده یا روی زمین درس بخوانید؛ این است که شما پشت صندلی آزمون کنکور خود را برگزار می کنید و هیچگاه به صورت دراز کشیده این کار را انجام نمی دهید. پس همانطور که می خواهید مسابقه دهید تمرین کنید.
از دلایل علمی دیگر که دراز کشیدن و حتی راه رفتن هنگام درس خواندن را مضر می داند، زاویه نامناسب چشم شما با صفحه کاغذ است که باعث خستگی سریع چشم و عدم مطالعه مفید و پر بازده است، می باشد.پس سعی کنید و تمرین کنید که در شرایط اصولی و پشت میز مطالعه کنید.

بلند درس بخوانیم یا آرام؟

صحبت های بسیار زیادی در باره این موضوع در سایت ها و مقالات مختلف انجام شده است. می خواهم این مبحث مهم را از زاویه ای خاص بررسی کنم. ما به طور کلی دو مرحله درس می خوانیم:

 

• مطالعه اولیه
• مرور مجدد درس ها

 

به طور کلی هم آرام درس خواندن ویژگی های خاص خودش را دارد هم بلند درس خواندن باید از هرکدام در زمان درستش استفاده کنیم. هنگامی که شما آرام درس می خوانید مطالب به طور مستقیم به ذهن شما می روند و به طور کلی مطلبی در این بین از قلم نمی افتد، اما ممکن است تمرکز شما سخت تر حفظ شود، همچنین شما قطعا کمتر انرژی صرف می کنید و می توانید مدت زمان بیشتری به طور مداوم درس بخوانید.

 

اما هنگامی که مطالب را بلند می خوانید شما صدای خود را می شنوید و می فهمید پس مطلب طی دو مرحله به ذهن شما می رسد و ممکن است تمام مطلب به طور کامل به شما نرسد. ام طبیعتا تمرکز شما بالا می رود ولی در عین حال انرژی بیشتری  از شما گرفته می شود و ممکن است مدت زمان کمتری درس بخوانید.

به طوری کلی برای شما یک پیشنهاد دارم، اگر برای اولین بار مبحث را مطالعه می کنید حتما به صورت آرام آن را بخوانید تا مطالب با بازدهی کامل در ذهن شما ثبت شود و از روش های افزایش تمرکز در کنار آن استفاده کنید.

اما اگر برای مرور درسی را می خوانید، به ویژه درس های حفظی و مفهومی آن را به صورتی که می خواهید برای یک نفر توضیح دهید بخوانید، شما وقتی مطلبی را به دیگری توضیح می دهید علاوه به کمک کردن به یادگیری باعث پیدا شدن نقاط ضعف خود در آن مبحث نیز می شوید.

نکات بالا چاشنی های مهم یک کنکوری برای رسیدن به آمادگی کامل در کنار ساعت مطالعه بالا می باشد. امیدوارم با رعایت نکات ابتدایی بالا با آمادگی کامل در مارتن کنکور شرکت کنید. در مقالات بعدی چاشنی های دیگری را نیز با شما در میان میگذارم

:: برچسب‌ها: مقالات کنکوی , مقالات مشاوره‌ای و انگیزشی , استراحت در دوران کنکور , تفریح در دوران کنکور ,
:: بازدید از این مطلب : 225

|

امتیاز مطلب : 55

|

تعداد امتیازدهندگان : 11

|

مجموع امتیاز : 11

بازاریابی وابسته یا واسطه ای چیست؟ ایا شما هم دوست دارید تا وارد این صنعت پر درامد شوید؟
برای پاسخ به پرسش های خود و شروع این کار در مسیری درست و مطمئن با ما در این مقاله همراه باشید.
طیق آماری که امسال توسط Statista منتشر شد، کسب و کارها در سال ۲۰۲۰ در این حوزه حدود ۸.۲ میلیارد دلار هزینه خواهند کرد پس وقت آن رسیده که همین امروز شروع کنید تا شما هم بتوانید بخشی از این سیستم کلیدی و پردرامد باشید.

بازاریابی وابسته یا واسطه ای چیست؟

بازاریابی وابسته زمانی اتفاق میافتد که شما محصولات شرکت های دیگر را تبلیغ میکنید و وقتی کسی از طریق لینکی که شما به اشتراک گذاشته اید خریداری میکند، شما کمیسیون خود را از شرکت اول دریافت خواهید کرد
به عنوان یک شرکت وابسته شما به نوعی یک فروشنده برای شرکت و سازمان اول بوده و به فروش آن‌ها کمک میکنید و این شرکت به شما پاداش میدهد.
بهترین و کاربردی ترین نکته در مورد این نوع بازاریابی آن است که شما میتوانید این کار را در هر مقیاس کاری یعنی چه برای شرکت های بزرگ چه کوچک انجام دهید؛ به عنوان یه بازاریاب وابسته  شما میتوانید محصولات بسیاری از شرکت ها را تبلیغ و از هرکدام جداگانه کمیسیون دریافت کنید.

بازاریابی وابسته چطور کار میکند؟

هر شرکت به بازاریاب وابسته خود یک لینک خاص میدهد تا بتواند در نهایت امار کلی فروش خود را بررسی کند و بفهمد هر فروش از طریق کدام بازاریاب واسطه ای انجام شده است.
وقتی کسی این لینک را کلیک میکند کوکی لینک در دستگاه ذخیره می‌شود این کوکی دو وظیفه اصلی را دنبال میکند:

１) به شرکت اول کمک میکند بفهمد که این خرید از طریق کدام بازاریاب وابسته انجام شده است
２) این لینک معمولا دارای یک تاریخ انقضای مصرف دارد( مثل رمز دوم پویای ما!) بنابر این حتی اگر خریدار در پرداخت تاخیر کند شما باز هم کمیسیون خود را دریافت خواهید کرد.

حال با یک مثال بازاریابی وابسته را بهتر برای شما توضیح میدهم.‌
فرض کنید یکی از کاربران یا مخاطبان شما پست شما را در مورد خرید بهترین تی شرت های تابستانی میبیند و روی لینک مربوط به ان کلیک میکند و وارد صفحه خرید دیجیکالا میشود.
اما متوجه میشود که ساعت ۱ عصر است و باید دختر هشت ساله‌ی خود را از مدرسه به خانه بیاورد برای همین خانه را ترک کرده دختر خود را از مدرسه اورده و بعد از صرف ناهار به سایت دیجیکالا باز میگردد و محصولی که به دنبال آن بوده است را پیدا میکند هنگامی که در حال خرید از سایت است تصمیم میگیرد یک شلوار جین هم خریداری کند.
اینجا یک اتفاق بسیار عالی میافتد؛
چون این کوکی یکبار در دستگاه ذخیره شده است؛ شما برای هر دو کالا کمیسیون دریافت خواهید کرد، حتی اگر برای مورد دوم هنوز تبلیغ خاصی انجام نداده باشید.

از بازاریابی وابسته چقدر میتوانم پول در بیاورم؟

بهترین پاسخ این است که واقعا درامد ازین طریق هیچ محدودیت خاصی ندارد و این کاملا به دنبال کننده های شما، جامعه هدف شما، شکل تبلیغ و میزان دقت و ممارستی که درآن به کار میبرید بستگی دارد. برای مثال پت فیلین یکی از بلاگرهای امریکایی شهر نیویورک در سال ۲۰۱۷ در یک ماه توانست حدود ۱۰۰ هزار دلار کمیسیون از سایت امازون فقط دریافت کند که این عدد واقعا بی نظیر است.

ولی افراد این چنینی چندین سال است که در زمینه بازاریابی و تولید محتوا در حال مطالعه، کار و کسب تجربه می‌باشند پس در شروع، مطمعنا نباید انتظار غیر معقول از خودمان داشته باشیم وبا دید و استراتژی بلند مدت به این صنعت نگاه کنیم.

چطور بازاریابی وابسته یا واسطه ای را شروع کنیم؟

برای شروع و انجام این کار، ۷ قدم زیر را باید طی کنید:

۱) در مورد یک شبکه اجتماعی تصمیم گیری کنید

گرچه این‌کار تقریبا ساده به نظر می‌رسد ولی از جهاتی خیلی تخصصی است. در سنتی و متداول ترین حالت شما می‌توانید با راه اندازی یک اکانت اینستاگرام و تولید محتوای تصویری و متنی مناسب شروع به جذب مخاطب برای خود کنید.
البته راه اندازی وبلاگ شخصی نیز میتواند در این مسیر مفید باشد چرا که تقریبا هزینه خاصی ندارد و همچنین، مخاطبان با ارزشی نیز در اختیار شما قرار میدهد.
استفاده از کانال یوتوب و فیس بوک نیز بسیار مفید است البته متاسفانه نه در ایران!
قرار دادن لینک خرید در بیو پروفایل شخصیتون در اینستاگرام و تولید محتوای مناسب‌ (که در ادامه به آن اشاره خواهیم کرد) به همراه یک دعوت (call to action) خوب، شما را به سرعت در مسیر موفقیت قرار خواهد داد.

۲) بازار مناسب خود را انتخاب کنید

باید صادق باشیم که اگر شما بخواهید در اینستاگرام وارد حوزه طنز یا فشن شوید، شانس شما با حضور بخش قابل توجه و قدرتمندی از بلاگرها و اینفلوئنسرها کاهش می‌یابد پس باید وارد یک میدان دیگر شد.
برای مثال نقد فیلم، معرفی کتاب، موزیک و… زمینه رشد بیشتری داشته و مسیر پیشرفت شما با محتوای متفاوت و جذاب به سرعت افزایش می‌یابد.
موضوعات خود را جذاب و داغ نگه دارید و با عکس‌های خاص و متفاوت برگ برنده خود را نشان دهید.
برای مثال وقتی همه ما درگیر موضوعات متداول و رایج اینستاگرام بودیم یکی از دوستان من شروع به نقد و بررسی مسابقات والیبال به طور حرفه ای کرد و الان میتوان گفت در حوزه خود بی رقیب است.
حالا الان او شاید نتواند بازاریاب وابسته کیف چرم باشد ولی درفروش لباس ورزشی می‌تواند عالی عمل کند.
بعد از انکه در یک زمینه خاص حرفه ای شدید و مخاطبان خود را پیدا کردید حال میتوانید زمینه فعالیت خود را گسترش دهید و شانس خود را در انتخاب جامعه هدف خود افزایش دهید.

توجه: اگر میخواهید در یک زمینه خودتان تولید کننده محتوا باشید حتما چیزی را انتخاب کنید که عاشق آن هستید و توانایی مربوط به آن را در خود می‌بینید، حتی اگر رقابت در آن سنگین بود.

افراد زیادی را میشناسم که بی علاقه و صرفا بخاطر جو رقابتی کم وارد یک حوزه شدند و وقتی رشد کردند و کار کمی سخت شد نتوانستند درآن رقابت کنند، چون چیزی برای ارائه نداشتند واین بخاطر جریان نداشتن علاقه، در آن موضوع خاص بود.

۳)‌ برنامه بازاریابی وابسته خود را پیدا کنید

ما به طور کلی سه دسته برنامه بازاریابی وابسته داریم:

１) برنامه بازاریابی با کمیسیون بالا وتعداد خریدار کم

این برنامه برای بازارهای کوچک ولی پر درامد میبباشد، برای مثال یک استارتاپ به شما میگوید اگر شما فقط ماهی ۸۰ مشتری به روش خود و از طریق لینکی که در اختیار شما قرار می‌دهیم به سمت ما بفرستید، ما به شما ماهی ۲ میلیون تومان میدهیم .
این میزان درامد برای این تعداد مشتری بسیار عالی میباشد و معمولا این برنامه ها رقابت بالاتری بین بازاریابان واسطه ای دارد . البته اگر تازه کار هستید ورود به این برنامه به شما توصیه نمیشود چون رقبای شما بازاریاب‌هایی حرفه ای، با سابقه فعالیت و اعتبار بالا هستند.

２) برنامه هایی با کمیسیون کم و تعداد خریدار بالا

این برنامه ها گرچه کمیسیون کمی دارند ولی محصولاتشان جذابیت بالاتری برای جامعه دارد.
همه ما پلی استیشن ۴ بازی کرده ایم، این کنسول بازی دارای بازی های بسیار متنوعی است که فروش بالایی داشته و به طور میانگین ۳۰۰-۴۰۰ هزار تومان قیمت دارد.
کمیسیون فروش هر یک از این بازی ها شاید حدود ۱۰ هزار تومان باشد.
مزیت این برنامه این است که معمولا فروشگاه ها محصولات خود را به صورت پکیج به به شما ارائه می‌دهند مثلا یکی از تبلیغات جالب سایت آمارون برای بازاریابان واسطه ای بدین شکل می‌باشد:

در هر چیزی که از آمازون بفروشید میتوانید ۱۰٪ کمیسیون بگیرید

نکته جالب و خوب در مورد این برنامه ها این است که شما کمیسیون هرآنچه که از طریق لینک شما خریداری میشود را دریافت میکنید نه فقط همان چیزی که تبلیغ کرده اید.
برای مثال شما یک پودرلباس شویی تبلیغ میکنید و کاربر شما از طریق لینک شما به خرید اقدام میکند اما نظرش عوض میشود و تصمیم میگیرد یک ماشین لباس شویی هم خریداری کند!
شما کمیسیون هر دو را دریافت خواهید کرد. همینقدر هیجان انگیز!
ولی شما برای سود دهی خوب نیاز به ترافیک و حجم مخاطب قابل توجهی نیاز دارید.

３) برنامه هایی با کمیسیون بالا و تعداد خریداربالا

این برنامه ها غالبا مبنی بر نیازهای جامعه بوده و علاوه بر جذابیت، خریدارهای زیادی نیز دارد
برای مثال مواد غذایی یا لباس های فصل؛
نکته منفی این برنامه ها این است که آن‌ها فقط بازاریاب های واسطه ای با تجربه ی بالا را به خدمت میگیرند چون آن‌ها قطعا در این حوزه درصد موفقیت بیشتری دارند.
پس برای مبتدیان استفاده از این برنامه توصیه نمی‌شود.

چطور تصمیم بگیریم از کدام برنامه بازاریابی وابسته استفاده کنیم؟

این کاملا بستگی به بازار، مهارت و تخصص شما دارد
اگر شما مصرف کننده را هدف قرار می‌دهید احتمالا کمیسیون کمتر و حجم فروش بیشتر برای شما مناسب تر می‌باشد
اما اگر مخاطبان شما کسب و کارها هستند استفاده از مدل اول بسیار مناسب می‌باشد
مهم ترین و محبوب ترین برای برنامه نوع اول، فروش هاست، دامنه وخدمات مربوط به سایت میباشد.

برداشته شده از سایت:https://amanjacademy.com/seven-key-goals-for-success-in-affiliate-marketing-part-one/

:: برچسب‌ها: بازاریابی وابسته , دیجیتال مارکتینگ , بازاریابی دیجیتال , افیلیت مترکتینگ ,
:: بازدید از این مطلب : 188

|

امتیاز مطلب : 55

|

تعداد امتیازدهندگان : 11

|

مجموع امتیاز : 11

با سلام.به دنیای لوکس بلاگ و وبلاگ جدید خود خوش آمدید.هم اکنون میتوانید از امکانات شگفت انگیز لوکس بلاگ استفاده نمایید و مطالب خود را ارسال نمایید.شما میتوانید قالب و محیط وبلاگ خود را از مدیریت وبلاگ تغییر دهید.با فعالیت در لوکس بلاگ هر روز منتظر مسابقات مختلف و جوایز ویژه باشید.
در صورت نیاز به راهنمایی و پشتیبانی از قسمت مدیریت با ما در ارتباط باشید.برای حفظ زیبابی وبلاگ خود میتوانید این پیام را حذف نمایید.جهت حذف این مطلب وارد مدیریت وب خود شوید و از قسمت ویرایش مطالب قبلی ،مطلبی با عنوان به وبلاگ خود خوش امدید را حذف نمایید.امیدواریم لحظات خوبی را در لوکس بلاگ سپری نمایید...

:: بازدید از این مطلب : 234

|

امتیاز مطلب : 55

|

تعداد امتیازدهندگان : 11

|

مجموع امتیاز : 11