Trí tuệ nhân tạo - Cá nhân hóa trong ứng dụng thương mại, giải trí

[Duc_Manh_Pham (Love Overflow)]

Chào anh chị !

Trong một ứng dụng như thương mại điện tử hoặc giải trí như xem phim, đọc truyện, … thì Ứng dụng AI ngay từ giai đoạn mới ra mắt liệu có hiệu quả không ạ ?

Em nhận thấy rằng khi chưa có nhiều người dùng thì chưa có dữ liệu thống kê tương tác người dùng trên ứng dụng mới đó, như vậy em cần phải tìm mua dữ liệu của ứng dụng tương tự của bên khác và chấp nhận sai lệch số liệu do 2 ứng dụng ít nhiều sẽ khác nhau. Cách này có phù hợp hay không ?

Ngoài ra về vấn đề cá nhân hóa, thì việc chưa có dữ liệu lớn từ đầu liệu có làm mất đi lợi thế hay không khi áp dụng AI vào ứng dụng mới như vậy hay không ?

Và em muốn cố gắng thống kê liên tục hành vi của người dùng từ khi họ sử dụng để đề xuất mặt hàng hoặc phim, truyện thích hợp tới họ, thì em nên tìm hiểu mô hình học máy nào và mô hình triển khai nào cho phù hợp với mục đích ạ ?

Em học lập trình và muốn tìm hiểu AI để ứng dụng vào hệ thống web app, hiểu biết chưa được chuyên sâu nên câu hỏi có thể chưa phù hợp, Mong anh chị lượng thứ !

Em cảm ơn ạ !

[kisuluoibieng (Tên Gì Cũng Được)]

Dữ liệu là một cái gì đó nói rất là chung chung, chẳng có ý nghĩa gì ở đây cả
Dữ liệu phải có ý nghĩa thì mới xài được
Dữ liệu muốn xài được, thì nó phải được phân loại, chuẩn hóa… đại loại là phải thông qua 1 bước biến đổi để biến nó thành “dữ liệu có ý nghĩa” (ở đây hiểu là có ý nghĩa với business, mục đích sử dụng của mình)

Như vậy, bận cần

1. nguồn dữ liệu -> cái này cứ cho là bạn sẽ “mua” hoặc tìm được ở đâu đó
2. transform nguồn dữ liệu thô thành “dữ liệu có ý nghĩa”

Về ý 2 ở trên để một dữ liệu có ý nghĩa, thì bạn phải define được dữ liệu bạn cần nó trông ra sao, sẽ có structure như nào…
Song song đó, bạn sẽ sử dụng dữ liệu ra sao (ví dụ như query, hay thuật toán gì đó hay training cho AI như thế nào để có được kết quả)

Bạn cần có một cái gì đó cụ thể hơn, cần define “chuẩn hóa dữ liệu”, cách để “có dữ liệu chuẩn hóa” và “cách sử dụng dữ liệu chuẩn hóa” phục vụ cho business mà bạn muốn làm

Còn những gì bạn nói thì nó quá chung chung, kiểu như ai bỏ ra 1 tiếng để tham gia nghe chém gió workshop thì cũng nói được. Kiểu như này “À có dữ liệu rồi từ dữ liệu đó để ra gợi ý hay ra quyết định cho cái gì đó…”

Không thể nào từ những thông tin kiểu overview cực kì basic như vậy kết hợp với vài câu trả lời trên mạng là có một hệ thống đâu nhé

Bạn nên có một số kiến thức nhất định trước

[anonymous273]

theo mô tả, bạn đang muốn làm một recommendation system (cụ thể là collaborative filtering). và build 1 recom system không hề dễ. nên cá nhân mình nghĩ bạn nên tự tìm hiểu và học machine learning từ kiến thức cơ bản nhất. khi đó bạn tự sẽ trả lời được 100% câu hỏi trong bài.

[Thai_Ha (Thái Hà)]

Chào bạn!

Đối với ứng dụng như thương mại điện tử hoặc giải trí, việc áp dụng ứng dụng AI từ giai đoạn mới ra mắt có thể mang lại hiệu quả lớn. Dưới đây là câu trả lời cho các câu hỏi của bạn:

Về việc thiếu dữ liệu và việc tìm mua dữ liệu từ ứng dụng tương tự của bên khác: Việc thiếu dữ liệu thống kê từ người dùng lúc mới ra mắt có thể là một thách thức, nhưng không hoàn toàn làm mất đi hiệu quả của ứng dụng AI. Bạn có thể sử dụng các mô hình học máy không cần dữ liệu khổng lồ từ đầu, như mô hình dựa trên quy tắc hoặc mô hình học máy nhỏ để tạo ra trải nghiệm ban đầu cho người dùng và thu thập dữ liệu từ người dùng thực tế.

Về vấn đề cá nhân hóa và việc thiếu dữ liệu lớn từ đầu liệu: Việc thiếu dữ liệu lớn từ đầu liệu có thể làm mất đi lợi thế trong việc cá nhân hóa ban đầu, nhưng không làm mất đi hoàn toàn lợi thế của việc áp dụng AI vào ứng dụng. Bạn có thể tập trung vào việc thiết kế các cơ chế thu thập dữ liệu từ người dùng và sử dụng các phương pháp tối ưu hóa mô hình để cải thiện tính cá nhân hóa dần dần.

Về việc thống kê hành vi của người dùng và triển khai mô hình học máy: Để thống kê hành vi người dùng và đề xuất sản phẩm phù hợp, bạn có thể tìm hiểu về mô hình học máy như học sâu (deep learning) để áp dụng vào việc dự đoán sở thích của người dùng. Mô hình triển khai có thể là một mô hình học sâu như mạng nơ-ron hồi quy (RNN) hoặc mô hình học sâu dựa trên cộng tác (collaborative filtering) để đưa ra các đề xuất phù hợp.

[Duc_Manh_Pham (Love Overflow)]

Cảm ơn anh và mọi người nhiều ạ !