説明

トピック2、ケーススタディ1
概要
あなたは、プロスポーツ イベントにデータ サイエンスを提供する会社のデータ サイエンティストです。モデルは、次のビジネス目標を満たすグローバルおよびローカル市場データになります。
*観客の反応の音声に基づいて、スポーツイベントでのモバイルデバイスユーザーの感情を理解します。
*広告に対するユーザーの反応傾向にアクセスします。
*モバイル デバイスに表示される広告のスタイルをカスタマイズします。
*ビデオを使用してペナルティイベントを検出します。
現在の環境
要件
* ペナルティ イベントの検出に使用されるメディアは、消費者向けデバイスによって提供されます。メディアには、スポーツ イベント中にキャプチャされ、ソーシャル メディアを使用して収集された画像やビデオが含まれる場合があります。画像とビデオのサイズと形式はさまざまです。
* モデル構築に利用できるデータは、7 年間のスポーツ イベント メディアから構成されています。スポーツ イベント メディアには、録画されたビデオ、ラジオ解説のトランスクリプト、スポーツ イベント中にキャプチャされた関連ソーシャル メディア フィードのログが含まれます。
*観客の感情には、イベント参加者がモノラルとステレオの両方の形式で提出した音声録音が含​​まれます。
広告
* 広告応答モデルは、各イベントの開始時にトレーニングされ、スポーツイベント中に適用する必要があります。
* 市場セグメンテーション セグメントは、類似の広告レスポンス履歴に合わせて最適化する必要があります。
* サンプリングでは、同じ機能を共有するローカルおよびグローバルのセグメンテーション モデルの相互および集合的な排他性を保証する必要があります。
* ユーザーの広告への反応傾向を判断する前に、ローカル市場セグメンテーション モデルが適用されます。
* データ サイエンティストは、モデルの劣化と劣化を検出できる必要があります。
* 広告応答モデルは非線形境界機能をサポートする必要があります。
* 広告傾向モデルではカットしきい値は0.45で、加重カッパが0.1から外れると再トレーニングが行われます。
+/-5%。
* 広告傾向モデルでは、次の図に示すコスト要因が使用されます。