Машинное обучение — это область компьютерных наук, которая дает компьютеру возможность обучаться с данными без необходимости их явного программирования. По сути, это приложение Искусственный интеллект.
Машинному обучению удалось изменить ожидания пользователей мобильных устройств и то, как они взаимодействуют с этими устройствами. Большинство стартапов и технологических гигантов теперь начинают видеть преимущества и масштабы, предлагаемые машинным обучением в разработке мобильных приложений. Именно это осознание привело к тому, что они придумали несколько действительно уникальных идей. Вот список лучших примеров мобильных приложений машинного обучения, составленный Appy Pie.
1) Снэпчат
Фильтры Snapchat — это удивительное сочетание дополненной реальности и алгоритмов машинного обучения для компьютерного зрения. Snapchat серьезно задумался о важности машинного обучения только после приобретения Looksery, украинской компании по компьютерному зрению, за колоссальные 150 миллионов долларов. Snapchat использует уникальный алгоритм отслеживания лица от Looksery, чтобы находить лица на снимках и добавлять забавные элементы, такие как очки, шляпы, собачьи уши и многое другое! Алгоритм, используемый в Snapchat, просматривает тысячи лиц, чтобы постепенно узнать, как выглядит лицо.
2) Овальные деньги
Oval Money — один из лучших примеров мобильного приложения, связанного с финансами, в котором реализовано машинное обучение. Приложение фактически использует машинное обучение, чтобы помочь вам сэкономить деньги. Итак, мы привлекли ваше внимание? Приложение сочетает машинное обучение с уроками, которые пользователи могут преподать друг другу, чтобы создать коллективный разум. Oval следит за вашими расходными привычками и объединяет их с коллективными знаниями всех других пользователей и создает умную и удобную стратегию экономии денег, адаптированную специально для вас.
3) Пинтерест
В 2015 году Pinterest приобрела компанию Kosei, занимающуюся машинным обучением, что позволило компании максимально использовать потенциал этой многообещающей технологии. Kosei специализировался на коммерческом применении алгоритма машинного обучения для обнаружения и рекомендации определенного контента, что сделало Kosei и Pinterest идеальным сотрудничеством.
4) Тиндер
Приложение, которое известно тем, что находит вам вторую половинку — Tinder. Как они это делают? Среди всех заклинаний и приворотных зелий Tinder использует одну из самых передовых технологий, известных человечеству сегодня — машинное обучение. Конкретный элемент или приложение машинного обучения, на котором работает приложение Tinder для подбора партнеров, называется «Умные фотографии». Эта функция отвечает за увеличение шансов пользователя найти себе совпадение. Фактически это означает, что вы получите лучшие результаты и найдете идеальное совпадение раньше, чем вы думаете.
5) Листовая Щелчка
Приложение разработано с целью помочь ботаникам определить породу дерева по простой фотографии листа. Листья являются одним из наиболее распространенных видов окаменелостей, и определить вид этого окаменелости довольно сложно. Только просмотрев тысячи фотографий листьев, алгоритм приложения научился идентифицировать немало из них. Хотя машинное обучение позволило идентифицировать тысячи листьев, однако точность все еще находится под пристальным вниманием, поскольку известно, что ошибки случаются.
6) Данго
Как только вы интегрируете Dango в свои приложения для обмена сообщениями, он может предсказывать смайлики, GIF-файлы и стикеры на основе того, что вы пишете. Для этого Данго должен понять, что вы пытаетесь сказать словами, которые пишете. Dango использует глубокое обучение для обучения нейронных сетей, чтобы они могли понимать слова. Это обучение работе с приложением начинается с изучения миллионов реальных примеров использования эмодзи и демонстрации им нейронных сетей.
7) Квест Морского Героя
Sea Hero Quest — это совершенно уникальное приложение, которое служит совершенно другой цели по сравнению с остальными приложениями в этом списке. Другие приложения используют машинное обучение для реализации интересной функции, но Sea Hero Quest собирает данные от своих пользователей. Эти данные, которые собираются от пользователей, затем используются учеными для программного обеспечения машинного обучения, чтобы продолжить исследования деменции.
8) Айполи Видение
Человеческое зрение значительно превосходит компьютерное зрение, и в этом нет никаких сомнений. Однако в последнее время компьютерное зрение значительно улучшилось, и это в основном связано с прогрессом в применении машинного обучения при создании мобильных приложений. Сегодня Google Photos и другие подобные приложения имеют возможность анализировать изображение и распознавать, что или кто на нем изображен, прежде чем отмечать людей.
9) Нетфликс
Netflix удалось усовершенствовать свои персональные рекомендации с помощью алгоритмов машинного обучения, включая линейную регрессию, логистическую регрессию и другие. Контент в приложении классифицируется на основе жанра, актеров, обзоров, продолжительности, года и т. д., и все эти данные об использовании передаются в алгоритмы машинного обучения. Алгоритмы машинного обучения изучают поведение пользователей, чтобы предлагать персонализированные рекомендации и предложения.
10) Твиттер
Twitter, возможно, был наказан пользователями за их решение округлить все аватары или изменить способ, которым люди были отмечены в ответах, но одно изменение, которое сумело привлечь внимание пользователей, — это их переход к алгоритмической ленте. В ленте Twitter вы можете предпочесть сначала просмотреть «лучшие твиты» или просмотреть твиты в логическом хронологическом порядке, то, что вы видите, по сути, определяется с помощью машинного обучения. Алгоритм машинного обучения оценивает каждый твит, публикуемый в приложении, и использует различные показатели для его оценки.
11) Карты Google
Сколько раз вы изо всех сил пытались найти место для парковки для себя? Я предполагаю, что это не раз! Приложение Google Maps придумало способ облегчить эту боль и помочь вам найти место для парковки. Как они это делают? Просто — через анализ данных, которые собрало приложение. Исследователи из Google собрали и проанализировали данные от более чем 100 000 человек, задав такие вопросы, как «Сколько времени вам понадобилось, чтобы найти парковку?» & более.
12) Визг
Итак, вы посетили новый ресторан в городе и ненавидели его, что вы делаете? Вы идете на Yelp и пишете о них обзор. Начнем с того, что Yelp, возможно, не считалась одной из технологических компаний, но в последние годы ей удалось применить машинное обучение интересными способами и улучшить пользовательский опыт.
13) Приложение Карат
Срок службы батареи наших мобильных устройств был причиной беспокойства и огорчения для большинства из нас в какой-то момент времени. В этом современном мире происходит множество событий, но накопление энергии, похоже, не является областью, которая идет в ногу с остальными. Следовательно, некоторые разработчики приложений начали искать другие способы увеличения времени автономной работы устройств.
14) Экспромт
Когда вы боретесь со своей привычкой прокрастинировать, ImprompDo действительно может творить чудеса! Приложение помогает людям выполнять задачи без жесткого графика. Приложение отлично находит тот желанный баланс, который гармонизирует между вашим списком дел и всем временем, которое у вас есть, находя для вас подходящий момент для выполнения важных задач.
Об авторе
Глава отдела контента в Appy Pie, Снигдха страстно любила писать с тех пор, как себя помнит, и считает, что ей повезло, что она сделала это своей карьерой. Обладая общим опытом 11 лет, последние 6 лет она посвятила написанию и управлению хардкорным контентом. Она активно пишет обо всем, что связано с социальными сетями и не только. В свободное время она либо любила читать, свернувшись калачиком на диване, либо брала сумку с необходимыми вещами (включая хорошую книгу) и уезжала на закат.
Первоначально опубликовано на https://www.appypie.com 4 апреля 2018 г.
