机器学习对于在数字世界中工作的任何人来说都越来越重要，但它常常感觉像是一个难以接近的主题。它不一定是 - 在 SEO 任务自动化方面，您不必错过它可以为您提供的竞争优势。戴上您的 SEO 技术帽，并准备好做笔记，因为布兰妮穆勒在本周的白板星期五节目中带我们完成了机器学习 101。
p> 单击上面的白板图像可在新选项卡中打开高分辨率版本！
视频转录
嘿，Moz 粉丝。欢迎来到周五白板。今天，我要谈论所有关于机器学习的事情，正如你们许多人所知，我非常热衷于谈论机器学习。希望这会激发你们中的一些人进一步探索它的种子，因为它确实是我们这个领域长期以来发生的最强大的事情之一。
什么是机器学习？
简而言之，机器学习实际上是人工智能的一个子集，有些人会说我们还没有真正接触到人工智能。但这只是整个人工智能的一个方面。
传统编程
最好的思考方式是与传统编程进行比较。所以传统的编程需要将数据和程序输入计算机然后输出，无论是网页还是在线构建的计算器，无论结果如何。
机器学习
当您使用机器学习时，您所做的就是将数据和所需的输出输入计算机，然后您得到一个程序，也称为机器学习模型。所以，它翻转了一点，而且效果很好。机器学习主要有两种类型：
- 你有监督，这基本上是你向模型提供训练数据的地方，
- 然后在无监督的情况下，您在其中提供程序数据并让它在数据点之间创建集群或关联。
受监督者更为普遍。您会看到诸如分类、线性回归和图像识别之类的东西。这样的事情很常见。如果你从机器学习的角度考虑问题，你可以把所有这些数据都放入模型中，数据是机器学习中最大的部分。许多人会争辩说，如果机器学习是媒介，那么数据就是燃料。
这是需要理解的一个非常重要的部分，因为除非您有正确的数据类型来为您的模型提供数据，否则您将无法获得所需的预期结果。
机器学习模型示例
让我们看一个例子。如果你想建立一个预测房价的机器学习模型，你可能拥有所有这些信息。
您可以输入这些房屋的当前价格、平方英尺、土地、浴室数量、卧室数量。它会一直持续下去。这些也称为函数。因此，当您输入所有这些数据时，该模型将尝试做的是尝试了解这些信息的相关性，并提出一个最能预测未来房价的模型。
这些机器学习模型中最基本的是线性回归。因此，如果您考虑在可能只输入价格和面积的地方输入数据，您会看到这样的数据。
你会看到，作为平方英尺增加，价格也增加。随着时间的推移，模型将开始在数据中寻找最平滑的线，以获得未来最准确的预测。
您不希望它拟合每个数据点并有一条看起来像这样的线（也称为过度拟合），因为它不适合新的数据点。您不希望该模型对您的数据集进行大量计算，以至于它无法在未来准确预测。
一种看待方式loss 方法是通过损失函数。这可能会更深入，但这就是您衡量直线拟合程度的方式。让我们来看看。
机器学习在SEO中有哪些可能性？
那么SEO有哪些可能性呢？我们如何在 SEO 空间中利用机器学习？
自动化元描述
因此，人们已经有多种方法可以做到这一点。您可以通过查看页面内容和使用机器模型来总结文本来自动化元描述。因此，这从字面上总结了您的内容并将其减少到一个元描述长度。太不可思议了。
自动化标题
您可以对标题执行类似的操作，但我不建议对主页执行此操作。这并不完美。但是，如果您有一个拥有数千页的大型网站，它会把您夹在中间。在这些大型网站上开始在这个空间中玩耍真的很有趣。
自动图像替换文本
您还可以自动为图像替换文本。我们看到这些模型真的非常擅长理解图像中的内容。
Automating 301 Redirects
301 Redirects，Paul Shapiro 写得不可思议，基本上已经解决了这个问题。
自动化内容创建
内容创建，如果这让某些人感到害怕，或者您怀疑这些模型目前能否创建体面的内容，我向您发起挑战，让您通过 transformers chat 看看。
它是 Elon Musk 创建的 OpenAI 的简化版本。对于仅来自缩小模型的东西，它令人难以置信并且有些可怕。所以这在未来甚至今天肯定是可能的。
自动化产品/页面建议
除了产品和页面建议。
所以这只会变得更好。想象一下，我们专门为访问我们网站的独特用户提供内容和用户体验，高度个性化的内容，高度个性化的体验。前进确实令人兴奋。
资源
我有一些资源，强烈建议您查看。
Google Codelabs 是我的最爱之一，因为它会逐步引导您完成它。因此，如果你去 Google Codelabs，通过 TensorFlow 或机器学习进行过滤，你可以在那里看到可能的例子。您可以在 Colab 笔记本或 Jupyter 笔记本中自己进行任何机器学习。
Kaggle.com 是数据科学竞赛的第一资源。所以你会真正看到例子，人们今天如何使用机器学习。你会看到像 TSA 这样的事情，它向数据科学团队提供了超过 100 万美元的资金，这些团队可以提出一个模型来预测安全镜头中的潜在威胁。
这些事情很快就会变得非常有趣。在这个空间中保持多样性和包容性也非常重要，以避免将来出现真正危险的模型。所以这绝对是需要考虑的事情。
TensorFlow 是一个很好的资源。这就是谷歌推出的，也是他们许多机器学习模型的基础。他们有一个非常棒的 JavaScript 平台，你可以使用。
Andrew Ng 有一门令人难以置信的机器学习课程。我强烈建议您检查一下。
Then Algorithm 是一站式模型商店。所以如果你不想专注于机器学习而只想说一个聚合器模型或特定类型的模型，你可能可以在那里找到一个即插即用。
所以，这个很有趣又有趣。最后一件事是机器学习模型的好坏取决于数据。我不能那样说。所以很多机器学习和数据科学家做数据清理和解析，这是该领域的大部分工作。
认识到这一点很重要。这就是机器学习 101 的全部内容。非常感谢您的加入，我希望很快能再次见到大家。谢谢。
通过 Speechpad.com 进行视频转录
如果您喜欢本周五的白板，您将会对我们最新的 MozCon 2019 视频包感到满意，其中包含所有前沿的 SEO 知识。在 Britney 的演讲中获得更多有用的技术提示，以及来自顶级演讲者的 26 个其他面向未来的主题：
立即参加会议！
我们建议安排与您的同事进行良好的老式知识共享，以教育整个团队 - 毕竟，谁不喜欢在学校看电影？ ;-]
