TechSEO Boost de cette ann\u00e9e, un \u00e9v\u00e9nement d\u00e9di\u00e9 au r\u00e9f\u00e9rencement technique et organis\u00e9 par Catalyseur<\/u>, a eu lieu le 29 novembre \u00e0 Boston.<\/p>\n
Pr\u00e9sent\u00e9 comme la \u00ab conf\u00e9rence pour les sp\u00e9cialistes et d\u00e9veloppeurs SEO avanc\u00e9s \u00bb, TechSEO Boost s’est appuy\u00e9 sur le succ\u00e8s de l’\u00e9v\u00e9nement inaugural en 2017<\/u> avec une journ\u00e9e d’expos\u00e9s \u00e9clairants et stimulants des esprits les plus pointus de l’industrie.<\/p>\n
Certains sujets ont impr\u00e9gn\u00e9 le discours tout au long de la journ\u00e9e, et en particulier, l’apprentissage automatique \u00e9tait un th\u00e8me r\u00e9current.<\/p>\n
Comme c’est la nature de la conf\u00e9rence TechSEO Boost, les sessions visaient \u00e0 aller au-del\u00e0 du battage m\u00e9diatique pour d\u00e9finir ce que signifie pr\u00e9cis\u00e9ment l’apprentissage automatique pour le r\u00e9f\u00e9rencement, \u00e0 la fois aujourd’hui et dans le futur.<\/p>\n
Ce qui suit est un r\u00e9sum\u00e9 de l’excellent expos\u00e9 de Britney Muller, scientifique senior en r\u00e9f\u00e9rencement chez Moz, intitul\u00e9 (\u00e0 juste titre) \u00ab\u00a0Apprentissage automatique pour le r\u00e9f\u00e9rencement\u00a0\u00bb.<\/p>\n
<\/span>Qu’est-ce que l’apprentissage automatique\u00a0? Un r\u00e9sum\u00e9 rapide.<\/strong><\/span><\/h3>\nLa session s’est ouverte par une br\u00e8ve introduction aux termes et concepts cl\u00e9s qui rel\u00e8vent du \u00ab\u00a0machine learning\u00a0\u00bb.<\/p>\n
Muller a utilis\u00e9 la d\u00e9finition de l’image ci-dessous pour saisir le sens de l’apprentissage automatique en tant que \u00ab\u00a0sous-ensemble de l’IA (intelligence artificielle) qui combine statistiques et programmation pour donner aux ordinateurs la possibilit\u00e9 d'”apprendre” sans \u00eatre explicitement programm\u00e9s”.<\/p>\n
![\"d\u00e9finition](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128327_126_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Il est important de comprendre cette id\u00e9e centrale d’\u00ab\u00a0apprendre\u00a0\u00bb \u00e0 partir de nouveaux stimuli lorsque nous consid\u00e9rons comment l’apprentissage automatique peut \u00eatre appliqu\u00e9 aux t\u00e2ches de r\u00e9f\u00e9rencement quotidiennes.<\/p>\n
L’apprentissage automatique excelle dans l’identification de mod\u00e8les dans de grandes quantit\u00e9s de donn\u00e9es. En tant que tels, certains des exemples courants d’applications d’apprentissage automatique comprennent aujourd’hui\u00a0:<\/p>\n
\n- Syst\u00e8mes de recommandation (Netflix, Spotify)<\/li>\n
- Applications de covoiturage (Uber, Lyft)<\/li>\n
- Assistants num\u00e9riques (Amazon Alexa, Apple Siri, Google Assistant)<\/li>\n<\/ul>\n
Cependant, cette ubiquit\u00e9 m\u00eame peut en faire un concept difficile \u00e0 comprendre. En fait, Eric Schmidt de Google est venu \u00e0 raconter<\/u>, “La principale chose sur laquelle Google travaille est essentiellement l’apprentissage automatique.”<\/p>\n
Il est utile de d\u00e9composer cela en \u00e9tapes qui composent un projet d’apprentissage automatique typique, pour voir comment nous pouvons l’appliquer aux t\u00e2ches de r\u00e9f\u00e9rencement quotidiennes.<\/p>\n
<\/span>Le processus d’apprentissage automatique<\/strong><\/span><\/h3>\nL’image suivante repr\u00e9sente le processus d’apprentissage automatique que Muller a partag\u00e9 sur TechSEO Boost\u00a0:<\/p>\n
![\"le](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128328_680_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Il est important de noter que certaines des donn\u00e9es d’apprentissage doivent \u00eatre r\u00e9serv\u00e9es pour des tests \u00e0 un stade ult\u00e9rieur du processus.<\/p>\n
Dans la mesure du possible, ces donn\u00e9es doivent \u00e9galement \u00eatre clairement \u00e9tiquet\u00e9es pour aider l’algorithme d’apprentissage automatique \u00e0 identifier les classifications et les cat\u00e9gories au sein d’un ensemble de donn\u00e9es bruyant.<\/p>\n
C’est pr\u00e9cis\u00e9ment pour cette raison que Google nous demande de marquer des images pour v\u00e9rifier notre identit\u00e9 :<\/p>\n
![\"panneaux](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128328_296_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Cela d\u00e9montre notre capacit\u00e9 humaine \u00e0 s\u00e9lectionner des objets dans des contextes encombr\u00e9s, mais a l’avantage suppl\u00e9mentaire de fournir \u00e0 Google des donn\u00e9es d’image de meilleure qualit\u00e9.<\/p>\n
Les pi\u00e8ges d’une approche non supervis\u00e9e de l’apprentissage automatique et d’un ensemble de donn\u00e9es d’entra\u00eenement ouvert \u00e0 l’interpr\u00e9tation ont \u00e9t\u00e9 expos\u00e9s la semaine derni\u00e8re.<\/p>\n
La fonctionnalit\u00e9 “Smart Compose” de Google dans Gmail a montr\u00e9 un pr\u00e9jug\u00e9 sexiste en pr\u00e9f\u00e9rant certains pronoms pour pr\u00e9dire ce qu’un utilisateur pourrait vouloir dire.<\/p>\n
Comme le rapporte Reuters, “le chef de produit Gmail, Paul Lambert, a d\u00e9clar\u00e9 qu’un chercheur de la soci\u00e9t\u00e9 avait d\u00e9couvert le probl\u00e8me en janvier lorsqu’il a \u00e9crit” je rencontrerai un investisseur la semaine prochaine “, et Smart Compose a sugg\u00e9r\u00e9 une question possible. \u00ab\u00a0Voulez-vous le rencontrer\u00a0?\u00a0\u00bb \u00e0 sa place.”<\/p>\n
![\"composition](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128328_615_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Le d\u00e9fi ici ne se limite pas \u00e0 des projets de cette envergure. Les sp\u00e9cialistes du marketing qui veulent se salir les mains doivent \u00eatre conscients des limites de l’apprentissage automatique, ainsi que de ses possibilit\u00e9s passionnantes.<\/p>\n
Muller a ajout\u00e9 que les gens ont tendance \u00e0 suradapter leurs donn\u00e9es, ce qui r\u00e9duit la pr\u00e9cision et la flexibilit\u00e9 du mod\u00e8le qu’ils utilisent. Ce ph\u00e9nom\u00e8ne (tr\u00e8s courant) se produit lorsqu’un mod\u00e8le correspond \u00e9troitement \u00e0 un ensemble de donn\u00e9es sp\u00e9cifique, ce qui r\u00e9duit son applicabilit\u00e9 \u00e0 de nouveaux sc\u00e9narios.<\/p>\n
La capacit\u00e9 d’\u00e9voluer efficacement est ce qui donne son attrait \u00e0 l’apprentissage automatique, donc le surapprentissage est quelque chose \u00e0 \u00e9viter soigneusement. Il y a une bonne introduction \u00e0 ce sujet. ici<\/u> et c’est aussi tr\u00e8s bien expliqu\u00e9 \u00e0 travers cette image :<\/p>\n
![\"la](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128329_240_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Alors, comment exactement ce sous-ensemble d’IA peut-il \u00eatre utilis\u00e9 pour am\u00e9liorer les performances de r\u00e9f\u00e9rencement\u00a0?<\/p>\n
<\/span>Comment utiliser l’apprentissage automatique pour le r\u00e9f\u00e9rencement<\/strong><\/span><\/h3>\nComme c’est le cas pour toutes les technologies favorables au battage m\u00e9diatique, les entreprises sont impatientes de s’impliquer dans l’apprentissage automatique. Cependant, il ne s’agit pas \u00ab d’utiliser le machine learning \u00bb par peur d’\u00eatre laiss\u00e9 pour compte, mais plut\u00f4t de trouver les meilleurs usages du machine learning pour chaque entreprise.<\/p>\n
Britney Muller a partag\u00e9 quelques exemples de son r\u00f4le chez Moz lors de sa session TechSEO Boost.<\/p>\n
La premi\u00e8re \u00e9tait une approche pour automatiser Meta Description<\/u> g\u00e9n\u00e9ration \u00e0 l’aide du R\u00e9sum\u00e9 du contenu algorithmique avanc\u00e9<\/u>, qui a ensuite \u00e9t\u00e9 compar\u00e9e \u00e0 l’approche de Google en mati\u00e8re de descriptions automatiques extraites directement de la page de destination.<\/p>\n
Les m\u00e9ta-descriptions sont toujours un atout important lorsqu’il s’agit de favoriser un taux de clics positif, mais beaucoup de temps est consacr\u00e9 \u00e0 la cr\u00e9ation de ces extraits. Une alternative automatis\u00e9e qui peut interpr\u00e9ter la signification des pages de destination et cr\u00e9er des r\u00e9sum\u00e9s cliquables \u00e0 afficher sur les SERP serait tr\u00e8s utile.<\/p>\n
![\"Comparaison](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128329_221_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Muller a partag\u00e9 quelques exemples, comme l’image ci-dessus, pour d\u00e9montrer la comparaison entre les deux approches. L’approche d’apprentissage automatique n’est pas parfaite et peut n\u00e9cessiter quelques ajustements, mais elle fait un excellent travail pour transmettre l’intention de la page par rapport \u00e0 la s\u00e9lection de Google.<\/p>\n
Depuis lors, l’\u00e9quipe Moz a int\u00e9gr\u00e9 cela dans Google Sheets\u00a0:<\/p>\n
![\"m\u00e9ta](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128330_44_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Bien qu’il ne s’agisse pas d’un produit auquel d’autres entreprises peuvent acc\u00e9der pour le moment, Paul Shapiro (l’h\u00f4te de TechSEO Boost) a partag\u00e9 un moyen alternatif d’obtenir des m\u00e9ta-descriptions automatis\u00e9es via Github. ici<\/u>.<\/p>\n<\/span>Optimisation d’image automatis\u00e9e<\/strong><\/span><\/h3>\nUne autre utilisation fascinante de l’apprentissage automatique pour le r\u00e9f\u00e9rencement est l’automatisation de l’optimisation des images. Britney Muller a montr\u00e9 comment, en moins de 20 minutes, il est possible d’entra\u00eener un algorithme pour distinguer les chats des canards, puis d’utiliser ce mod\u00e8le sur un nouvel ensemble de donn\u00e9es avec un haut niveau de pr\u00e9cision.<\/p>\n
![\"reconna\u00eetre](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128330_432_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Pour les grands d\u00e9taillants, l’application de cette m\u00e9thode pourrait \u00eatre tr\u00e8s b\u00e9n\u00e9fique. Avec autant de nouvelles images ajout\u00e9es \u00e0 l’inventaire chaque jour, et avec recherche visuelle <\/u>de plus en plus, un syst\u00e8me d’\u00e9tiquetage d’images \u00e9volutif s’av\u00e9rerait tr\u00e8s rentable. Comme d\u00e9montr\u00e9 dans TechSEO Boost, c’est d\u00e9sormais une possibilit\u00e9 tr\u00e8s r\u00e9aliste pour les entreprises souhaitant construire leur propre mod\u00e8le.<\/p>\n
Une autre utilisation de l’apprentissage automatique d\u00e9crite par Britney Muller \u00e9tait la transcription de podcasts. Une approche automatis\u00e9e de cette t\u00e2che peut rendre vos fichiers audio beaucoup plus lisibles par les moteurs de recherche, en aidant \u00e0 indexer et \u00e0 classer les sujets pertinents.<\/p>\n
Muller a d\u00e9taill\u00e9 une approche que le produit Amazon Transcribe utilise via Amazon Web Services pour atteindre cet objectif.<\/p>\n
![\"outil](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128331_874_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
L’audio est d\u00e9compos\u00e9 et livr\u00e9 dans un fichier J-SON dans les moindres d\u00e9tails, avec les diff\u00e9rents haut-parleurs du podcast \u00e9tiquet\u00e9s s\u00e9par\u00e9ment.<\/p>\n
![\"cha\u00eene](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128331_989_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Il n’y avait pas assez de temps dans la session pour discuter de toutes les utilisations potentielles de l’apprentissage automatique pour le r\u00e9f\u00e9rencement, mais le message principal de Muller \u00e9tait que tout le monde dans l’industrie devrait travailler pour au moins une compr\u00e9hension fonctionnelle de ces concepts.<\/p>\n
Certaines possibilit\u00e9s suppl\u00e9mentaires d’exp\u00e9rimentation sont \u00e9num\u00e9r\u00e9es ci-dessous\u00a0:<\/p>\n
![\"opportunit\u00e9s](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128332_906_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Comme nous pouvons le voir, l’apprentissage automatique excelle vraiment lorsque vous travaillez avec de grands ensembles de donn\u00e9es pour identifier des mod\u00e8les.<\/p>\n
<\/span>Outils et ressources<\/strong><\/span><\/h3>\nLa meilleure fa\u00e7on de s’engager est de combiner la th\u00e9orie avec la pratique. C’est presque toujours le cas, mais c’est un conseil particuli\u00e8rement valable en mati\u00e8re de programmation.<\/p>\n
Muller n’\u00e9tait ni le premier ni le dernier discours en r\u00e9f\u00e9rence Laboratoires de programmation Google<\/u> pendant tout le jour.<\/p>\n
![\"laboratoires](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128332_310_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Il existe plus de ressources que jamais et des entreprises comme Amazon et Google souhaitent que l’apprentissage automatique soit accessible. Amazon a lanc\u00e9 un cours d’apprentissage automatique<\/u> et de Google cours intensif<\/u> c’est une excellente fa\u00e7on d’apprendre les composantes d’un projet r\u00e9ussi.<\/p>\n
![\"cours](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128333_880_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
Propri\u00e9t\u00e9 Google Kaggle<\/u> C’est toujours un endroit id\u00e9al pour tester de nouveaux ensembles de donn\u00e9es et passer en revue le travail innovant effectu\u00e9 par les scientifiques des donn\u00e9es du monde entier, une fois qu’une compr\u00e9hension de base a \u00e9t\u00e9 acquise.<\/p>\n
Aussi, Google Collaboratif<\/u> facilite le d\u00e9marrage d’un projet et le travail avec une \u00e9quipe distante.<\/p>\n<\/span>Points cl\u00e9s \u00e0 retenir\u00a0: l’apprentissage automatique pour le r\u00e9f\u00e9rencement<\/strong><\/span><\/h3>\nCe qui est devenu particuli\u00e8rement clair dans le discours de Muller, c’est \u00e0 quel point les applications d’apprentissage automatique peuvent \u00eatre accessibles aux r\u00e9f\u00e9renceurs. De plus, l’espace d’exp\u00e9rimentation est sans pr\u00e9c\u00e9dent pour ceux qui souhaitent investir du temps dans la discipline.<\/p>\n
![\"principales](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2021\/10\/1634128333_549_TechSEO-Boost-aprendizaje-automatico-para-SEO.png\")
<\/p>\n
<\/p>\nCependant, cette ubiquit\u00e9 m\u00eame peut en faire un concept difficile \u00e0 comprendre. En fait, Eric Schmidt de Google est venu \u00e0 raconter<\/u>, “La principale chose sur laquelle Google travaille est essentiellement l’apprentissage automatique.”<\/p>\n
Il est utile de d\u00e9composer cela en \u00e9tapes qui composent un projet d’apprentissage automatique typique, pour voir comment nous pouvons l’appliquer aux t\u00e2ches de r\u00e9f\u00e9rencement quotidiennes.<\/p>\n
<\/span>Le processus d’apprentissage automatique<\/strong><\/span><\/h3>\nL’image suivante repr\u00e9sente le processus d’apprentissage automatique que Muller a partag\u00e9 sur TechSEO Boost\u00a0:<\/p>\n
<\/p>\n
Il est important de noter que certaines des donn\u00e9es d’apprentissage doivent \u00eatre r\u00e9serv\u00e9es pour des tests \u00e0 un stade ult\u00e9rieur du processus.<\/p>\n
Dans la mesure du possible, ces donn\u00e9es doivent \u00e9galement \u00eatre clairement \u00e9tiquet\u00e9es pour aider l’algorithme d’apprentissage automatique \u00e0 identifier les classifications et les cat\u00e9gories au sein d’un ensemble de donn\u00e9es bruyant.<\/p>\n
C’est pr\u00e9cis\u00e9ment pour cette raison que Google nous demande de marquer des images pour v\u00e9rifier notre identit\u00e9 :<\/p>\n
<\/p>\n
Cela d\u00e9montre notre capacit\u00e9 humaine \u00e0 s\u00e9lectionner des objets dans des contextes encombr\u00e9s, mais a l’avantage suppl\u00e9mentaire de fournir \u00e0 Google des donn\u00e9es d’image de meilleure qualit\u00e9.<\/p>\n
Les pi\u00e8ges d’une approche non supervis\u00e9e de l’apprentissage automatique et d’un ensemble de donn\u00e9es d’entra\u00eenement ouvert \u00e0 l’interpr\u00e9tation ont \u00e9t\u00e9 expos\u00e9s la semaine derni\u00e8re.<\/p>\n
La fonctionnalit\u00e9 “Smart Compose” de Google dans Gmail a montr\u00e9 un pr\u00e9jug\u00e9 sexiste en pr\u00e9f\u00e9rant certains pronoms pour pr\u00e9dire ce qu’un utilisateur pourrait vouloir dire.<\/p>\n
Comme le rapporte Reuters, “le chef de produit Gmail, Paul Lambert, a d\u00e9clar\u00e9 qu’un chercheur de la soci\u00e9t\u00e9 avait d\u00e9couvert le probl\u00e8me en janvier lorsqu’il a \u00e9crit” je rencontrerai un investisseur la semaine prochaine “, et Smart Compose a sugg\u00e9r\u00e9 une question possible. \u00ab\u00a0Voulez-vous le rencontrer\u00a0?\u00a0\u00bb \u00e0 sa place.”<\/p>\n
<\/p>\n
Le d\u00e9fi ici ne se limite pas \u00e0 des projets de cette envergure. Les sp\u00e9cialistes du marketing qui veulent se salir les mains doivent \u00eatre conscients des limites de l’apprentissage automatique, ainsi que de ses possibilit\u00e9s passionnantes.<\/p>\n
Muller a ajout\u00e9 que les gens ont tendance \u00e0 suradapter leurs donn\u00e9es, ce qui r\u00e9duit la pr\u00e9cision et la flexibilit\u00e9 du mod\u00e8le qu’ils utilisent. Ce ph\u00e9nom\u00e8ne (tr\u00e8s courant) se produit lorsqu’un mod\u00e8le correspond \u00e9troitement \u00e0 un ensemble de donn\u00e9es sp\u00e9cifique, ce qui r\u00e9duit son applicabilit\u00e9 \u00e0 de nouveaux sc\u00e9narios.<\/p>\n
La capacit\u00e9 d’\u00e9voluer efficacement est ce qui donne son attrait \u00e0 l’apprentissage automatique, donc le surapprentissage est quelque chose \u00e0 \u00e9viter soigneusement. Il y a une bonne introduction \u00e0 ce sujet. ici<\/u> et c’est aussi tr\u00e8s bien expliqu\u00e9 \u00e0 travers cette image :<\/p>\n
<\/p>\n
Alors, comment exactement ce sous-ensemble d’IA peut-il \u00eatre utilis\u00e9 pour am\u00e9liorer les performances de r\u00e9f\u00e9rencement\u00a0?<\/p>\n
<\/span>Comment utiliser l’apprentissage automatique pour le r\u00e9f\u00e9rencement<\/strong><\/span><\/h3>\nComme c’est le cas pour toutes les technologies favorables au battage m\u00e9diatique, les entreprises sont impatientes de s’impliquer dans l’apprentissage automatique. Cependant, il ne s’agit pas \u00ab d’utiliser le machine learning \u00bb par peur d’\u00eatre laiss\u00e9 pour compte, mais plut\u00f4t de trouver les meilleurs usages du machine learning pour chaque entreprise.<\/p>\n
Britney Muller a partag\u00e9 quelques exemples de son r\u00f4le chez Moz lors de sa session TechSEO Boost.<\/p>\n
La premi\u00e8re \u00e9tait une approche pour automatiser Meta Description<\/u> g\u00e9n\u00e9ration \u00e0 l’aide du R\u00e9sum\u00e9 du contenu algorithmique avanc\u00e9<\/u>, qui a ensuite \u00e9t\u00e9 compar\u00e9e \u00e0 l’approche de Google en mati\u00e8re de descriptions automatiques extraites directement de la page de destination.<\/p>\n
Les m\u00e9ta-descriptions sont toujours un atout important lorsqu’il s’agit de favoriser un taux de clics positif, mais beaucoup de temps est consacr\u00e9 \u00e0 la cr\u00e9ation de ces extraits. Une alternative automatis\u00e9e qui peut interpr\u00e9ter la signification des pages de destination et cr\u00e9er des r\u00e9sum\u00e9s cliquables \u00e0 afficher sur les SERP serait tr\u00e8s utile.<\/p>\n
<\/p>\n
Muller a partag\u00e9 quelques exemples, comme l’image ci-dessus, pour d\u00e9montrer la comparaison entre les deux approches. L’approche d’apprentissage automatique n’est pas parfaite et peut n\u00e9cessiter quelques ajustements, mais elle fait un excellent travail pour transmettre l’intention de la page par rapport \u00e0 la s\u00e9lection de Google.<\/p>\n
Depuis lors, l’\u00e9quipe Moz a int\u00e9gr\u00e9 cela dans Google Sheets\u00a0:<\/p>\n
<\/p>\n
Bien qu’il ne s’agisse pas d’un produit auquel d’autres entreprises peuvent acc\u00e9der pour le moment, Paul Shapiro (l’h\u00f4te de TechSEO Boost) a partag\u00e9 un moyen alternatif d’obtenir des m\u00e9ta-descriptions automatis\u00e9es via Github. ici<\/u>.<\/p>\n<\/span>Optimisation d’image automatis\u00e9e<\/strong><\/span><\/h3>\nUne autre utilisation fascinante de l’apprentissage automatique pour le r\u00e9f\u00e9rencement est l’automatisation de l’optimisation des images. Britney Muller a montr\u00e9 comment, en moins de 20 minutes, il est possible d’entra\u00eener un algorithme pour distinguer les chats des canards, puis d’utiliser ce mod\u00e8le sur un nouvel ensemble de donn\u00e9es avec un haut niveau de pr\u00e9cision.<\/p>\n
<\/p>\n
Pour les grands d\u00e9taillants, l’application de cette m\u00e9thode pourrait \u00eatre tr\u00e8s b\u00e9n\u00e9fique. Avec autant de nouvelles images ajout\u00e9es \u00e0 l’inventaire chaque jour, et avec recherche visuelle <\/u>de plus en plus, un syst\u00e8me d’\u00e9tiquetage d’images \u00e9volutif s’av\u00e9rerait tr\u00e8s rentable. Comme d\u00e9montr\u00e9 dans TechSEO Boost, c’est d\u00e9sormais une possibilit\u00e9 tr\u00e8s r\u00e9aliste pour les entreprises souhaitant construire leur propre mod\u00e8le.<\/p>\n
Une autre utilisation de l’apprentissage automatique d\u00e9crite par Britney Muller \u00e9tait la transcription de podcasts. Une approche automatis\u00e9e de cette t\u00e2che peut rendre vos fichiers audio beaucoup plus lisibles par les moteurs de recherche, en aidant \u00e0 indexer et \u00e0 classer les sujets pertinents.<\/p>\n
Muller a d\u00e9taill\u00e9 une approche que le produit Amazon Transcribe utilise via Amazon Web Services pour atteindre cet objectif.<\/p>\n
<\/p>\n
L’audio est d\u00e9compos\u00e9 et livr\u00e9 dans un fichier J-SON dans les moindres d\u00e9tails, avec les diff\u00e9rents haut-parleurs du podcast \u00e9tiquet\u00e9s s\u00e9par\u00e9ment.<\/p>\n
<\/p>\n
Il n’y avait pas assez de temps dans la session pour discuter de toutes les utilisations potentielles de l’apprentissage automatique pour le r\u00e9f\u00e9rencement, mais le message principal de Muller \u00e9tait que tout le monde dans l’industrie devrait travailler pour au moins une compr\u00e9hension fonctionnelle de ces concepts.<\/p>\n
Certaines possibilit\u00e9s suppl\u00e9mentaires d’exp\u00e9rimentation sont \u00e9num\u00e9r\u00e9es ci-dessous\u00a0:<\/p>\n
<\/p>\n
Comme nous pouvons le voir, l’apprentissage automatique excelle vraiment lorsque vous travaillez avec de grands ensembles de donn\u00e9es pour identifier des mod\u00e8les.<\/p>\n
<\/span>Outils et ressources<\/strong><\/span><\/h3>\nLa meilleure fa\u00e7on de s’engager est de combiner la th\u00e9orie avec la pratique. C’est presque toujours le cas, mais c’est un conseil particuli\u00e8rement valable en mati\u00e8re de programmation.<\/p>\n
Muller n’\u00e9tait ni le premier ni le dernier discours en r\u00e9f\u00e9rence Laboratoires de programmation Google<\/u> pendant tout le jour.<\/p>\n
<\/p>\n
Il existe plus de ressources que jamais et des entreprises comme Amazon et Google souhaitent que l’apprentissage automatique soit accessible. Amazon a lanc\u00e9 un cours d’apprentissage automatique<\/u> et de Google cours intensif<\/u> c’est une excellente fa\u00e7on d’apprendre les composantes d’un projet r\u00e9ussi.<\/p>\n
<\/p>\n
Propri\u00e9t\u00e9 Google Kaggle<\/u> C’est toujours un endroit id\u00e9al pour tester de nouveaux ensembles de donn\u00e9es et passer en revue le travail innovant effectu\u00e9 par les scientifiques des donn\u00e9es du monde entier, une fois qu’une compr\u00e9hension de base a \u00e9t\u00e9 acquise.<\/p>\n
Aussi, Google Collaboratif<\/u> facilite le d\u00e9marrage d’un projet et le travail avec une \u00e9quipe distante.<\/p>\n<\/span>Points cl\u00e9s \u00e0 retenir\u00a0: l’apprentissage automatique pour le r\u00e9f\u00e9rencement<\/strong><\/span><\/h3>\nCe qui est devenu particuli\u00e8rement clair dans le discours de Muller, c’est \u00e0 quel point les applications d’apprentissage automatique peuvent \u00eatre accessibles aux r\u00e9f\u00e9renceurs. De plus, l’espace d’exp\u00e9rimentation est sans pr\u00e9c\u00e9dent pour ceux qui souhaitent investir du temps dans la discipline.<\/p>\n
<\/p>\n
<\/p>\n<\/p>\n<\/p>\n<\/p>\nComme c’est le cas pour toutes les technologies favorables au battage m\u00e9diatique, les entreprises sont impatientes de s’impliquer dans l’apprentissage automatique. Cependant, il ne s’agit pas \u00ab d’utiliser le machine learning \u00bb par peur d’\u00eatre laiss\u00e9 pour compte, mais plut\u00f4t de trouver les meilleurs usages du machine learning pour chaque entreprise.<\/p>\n
Britney Muller a partag\u00e9 quelques exemples de son r\u00f4le chez Moz lors de sa session TechSEO Boost.<\/p>\n
La premi\u00e8re \u00e9tait une approche pour automatiser Meta Description<\/u> g\u00e9n\u00e9ration \u00e0 l’aide du R\u00e9sum\u00e9 du contenu algorithmique avanc\u00e9<\/u>, qui a ensuite \u00e9t\u00e9 compar\u00e9e \u00e0 l’approche de Google en mati\u00e8re de descriptions automatiques extraites directement de la page de destination.<\/p>\n
Les m\u00e9ta-descriptions sont toujours un atout important lorsqu’il s’agit de favoriser un taux de clics positif, mais beaucoup de temps est consacr\u00e9 \u00e0 la cr\u00e9ation de ces extraits. Une alternative automatis\u00e9e qui peut interpr\u00e9ter la signification des pages de destination et cr\u00e9er des r\u00e9sum\u00e9s cliquables \u00e0 afficher sur les SERP serait tr\u00e8s utile.<\/p>\n
<\/p>\n
Muller a partag\u00e9 quelques exemples, comme l’image ci-dessus, pour d\u00e9montrer la comparaison entre les deux approches. L’approche d’apprentissage automatique n’est pas parfaite et peut n\u00e9cessiter quelques ajustements, mais elle fait un excellent travail pour transmettre l’intention de la page par rapport \u00e0 la s\u00e9lection de Google.<\/p>\n
Depuis lors, l’\u00e9quipe Moz a int\u00e9gr\u00e9 cela dans Google Sheets\u00a0:<\/p>\n
<\/p>\n
Bien qu’il ne s’agisse pas d’un produit auquel d’autres entreprises peuvent acc\u00e9der pour le moment, Paul Shapiro (l’h\u00f4te de TechSEO Boost) a partag\u00e9 un moyen alternatif d’obtenir des m\u00e9ta-descriptions automatis\u00e9es via Github. ici<\/u>.<\/p>\n Une autre utilisation fascinante de l’apprentissage automatique pour le r\u00e9f\u00e9rencement est l’automatisation de l’optimisation des images. Britney Muller a montr\u00e9 comment, en moins de 20 minutes, il est possible d’entra\u00eener un algorithme pour distinguer les chats des canards, puis d’utiliser ce mod\u00e8le sur un nouvel ensemble de donn\u00e9es avec un haut niveau de pr\u00e9cision.<\/p>\n Pour les grands d\u00e9taillants, l’application de cette m\u00e9thode pourrait \u00eatre tr\u00e8s b\u00e9n\u00e9fique. Avec autant de nouvelles images ajout\u00e9es \u00e0 l’inventaire chaque jour, et avec recherche visuelle <\/u>de plus en plus, un syst\u00e8me d’\u00e9tiquetage d’images \u00e9volutif s’av\u00e9rerait tr\u00e8s rentable. Comme d\u00e9montr\u00e9 dans TechSEO Boost, c’est d\u00e9sormais une possibilit\u00e9 tr\u00e8s r\u00e9aliste pour les entreprises souhaitant construire leur propre mod\u00e8le.<\/p>\n Une autre utilisation de l’apprentissage automatique d\u00e9crite par Britney Muller \u00e9tait la transcription de podcasts. Une approche automatis\u00e9e de cette t\u00e2che peut rendre vos fichiers audio beaucoup plus lisibles par les moteurs de recherche, en aidant \u00e0 indexer et \u00e0 classer les sujets pertinents.<\/p>\n Muller a d\u00e9taill\u00e9 une approche que le produit Amazon Transcribe utilise via Amazon Web Services pour atteindre cet objectif.<\/p>\n L’audio est d\u00e9compos\u00e9 et livr\u00e9 dans un fichier J-SON dans les moindres d\u00e9tails, avec les diff\u00e9rents haut-parleurs du podcast \u00e9tiquet\u00e9s s\u00e9par\u00e9ment.<\/p>\n Il n’y avait pas assez de temps dans la session pour discuter de toutes les utilisations potentielles de l’apprentissage automatique pour le r\u00e9f\u00e9rencement, mais le message principal de Muller \u00e9tait que tout le monde dans l’industrie devrait travailler pour au moins une compr\u00e9hension fonctionnelle de ces concepts.<\/p>\n Certaines possibilit\u00e9s suppl\u00e9mentaires d’exp\u00e9rimentation sont \u00e9num\u00e9r\u00e9es ci-dessous\u00a0:<\/p>\n Comme nous pouvons le voir, l’apprentissage automatique excelle vraiment lorsque vous travaillez avec de grands ensembles de donn\u00e9es pour identifier des mod\u00e8les.<\/p>\n La meilleure fa\u00e7on de s’engager est de combiner la th\u00e9orie avec la pratique. C’est presque toujours le cas, mais c’est un conseil particuli\u00e8rement valable en mati\u00e8re de programmation.<\/p>\n Muller n’\u00e9tait ni le premier ni le dernier discours en r\u00e9f\u00e9rence Laboratoires de programmation Google<\/u> pendant tout le jour.<\/p>\n Il existe plus de ressources que jamais et des entreprises comme Amazon et Google souhaitent que l’apprentissage automatique soit accessible. Amazon a lanc\u00e9 un cours d’apprentissage automatique<\/u> et de Google cours intensif<\/u> c’est une excellente fa\u00e7on d’apprendre les composantes d’un projet r\u00e9ussi.<\/p>\n Propri\u00e9t\u00e9 Google Kaggle<\/u> C’est toujours un endroit id\u00e9al pour tester de nouveaux ensembles de donn\u00e9es et passer en revue le travail innovant effectu\u00e9 par les scientifiques des donn\u00e9es du monde entier, une fois qu’une compr\u00e9hension de base a \u00e9t\u00e9 acquise.<\/p>\n Aussi, Google Collaboratif<\/u> facilite le d\u00e9marrage d’un projet et le travail avec une \u00e9quipe distante.<\/p>\n Ce qui est devenu particuli\u00e8rement clair dans le discours de Muller, c’est \u00e0 quel point les applications d’apprentissage automatique peuvent \u00eatre accessibles aux r\u00e9f\u00e9renceurs. De plus, l’espace d’exp\u00e9rimentation est sans pr\u00e9c\u00e9dent pour ceux qui souhaitent investir du temps dans la discipline.<\/p>\n<\/span>Optimisation d’image automatis\u00e9e<\/strong><\/span><\/h3>\n
<\/p>\n<\/p>\n<\/p>\n<\/p>\n<\/span>Outils et ressources<\/strong><\/span><\/h3>\n
<\/p>\n<\/p>\n<\/span>Points cl\u00e9s \u00e0 retenir\u00a0: l’apprentissage automatique pour le r\u00e9f\u00e9rencement<\/strong><\/span><\/h3>\n
<\/p>\n