Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Ensalada SEO 2016 - TensorFlow aplicado a SEO

1.363 visualizaciones

Publicado el

Descubre cómo utilizar el DeepLearning en tu día a día como SEO, con TensorFlow.

Publicado en: Marketing
  • Sé el primero en comentar

Ensalada SEO 2016 - TensorFlow aplicado a SEO

  1. 1. aplicado a SEO
  2. 2. GRACIAS!!
  3. 3. nada de HUMO
  4. 4. Alberto Talegón Founder SEO.school Ponente: Formador SEO: y autónomo… es decir, CONTRATABLE
  5. 5. Por qué COJONES voy a JUGAR a SI PUEDO JUGAR con
  6. 6. Es un framework de código abierto... se usa para el cálculo numérico usando diagramas de flujo de datos.
  7. 7. 0 € !!!
  8. 8. las flechas del gráfico representan los arrays de datos multidimensionales (tensores) comunicándose entre ellos. Los nodos del gráfico representan operaciones matemáticas
  9. 9. SEO, dices...
  10. 10. from STRINGS to THINGS or from STRINGS to VECTORS
  11. 11. Es un sistema de machine learning que Google usa para ayudar a procesar sus resultados de búsqueda. Es una pequeña parte de lo que llamamos algoritmo de búsqueda
  12. 12. https://moz.com/blog/wake-up-seos-the-new-new-google-is-here-2016
  13. 13. Procesa e interpreta todas las posibles consultas distintas de la original. Presenta y sugiere todos los posibles resultados de búsqueda mejores, para el sentido o intención de la búsqueda RankBrain: Entrena offline
  14. 14. Cómo usar TensorFlow para hacer SEO
  15. 15. NO sirve...
  16. 16. para emular o alterar el algoritmo de búsqueda
  17. 17. Entre otras muchas cosas… sirve para ANALIZAR
  18. 18. Analiza IMÁGENES
  19. 19. SLIM Librería de Clasificación Imágenes https://github.com/tensorflow/models/tree/master/slim
  20. 20. Show and Tell Reconocimiento de Imágenes https://github.com/tensorflow/models/tree/master/im2txt Algoritmo que genera “pies de fotos” dada una imagen.
  21. 21. Captions for image COCO_val2014_000000224477.jpg: 0) a man riding a wave on top of a surfboard . (p=0.040413) 1) a person riding a surf board on a wave (p=0.017452) 2) a man riding a wave on a surfboard in the ocean . (p=0.005743)
  22. 22. Nunca nos separaremos
  23. 23. Y TAMBIÉN ANALIZA TEXTOS
  24. 24. SyntaxNet Parsey McParseface Sistema automático de algoritmos que aprenden a analizar la estructura lingüística y pueden explicar el papel funcional de cada palabra en una oración determinada. Descifra la polisemia y deduce mejor entre las variantes de significado y aplica la que mejor se adapta al contexto de la oración completa.
  25. 25. SyntaxNet Parsey McParseface https://research.googleblog.com/2016/05/announcing-syntaxnet-worlds- most.html?utm_content=bufferb49b9&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer
  26. 26. SyntaxNet Parsey McParseface Input: Bob 's wife , a grumpy old woman , asked him to sleep in the barn Parse: asked VBD ROOT +-- wife NN nsubj | +-- Bob NNP poss | | +-- 's POS possessive | +-- , , punct | +-- woman NN appos | +-- a DT det | +-- grumpy JJ amod | +-- old JJ amod +-- him PRP dobj +-- sleep VB xcomp +-- to TO aux +-- in IN prep +-- barn NN pobj +-- the DT det
  27. 27. NLP Procesamiento Lenguaje Natural Recursos en castellano: http://www.portaldelexico.es/index.php?menu=lexico http://www.datsi.fi.upm.es/~coes/interactivo.html http://www.sepln.org/category/investigacion/grupos_investigacion/
  28. 28. Swivel Analiza las estadísticas de co-ocurrencias de un corpus https://github.com/tensorflow/models/tree/master/swivel Determina cuántas veces aparece una palabra X en el contexto de una palabra determinada Y.
  29. 29. LDA Latent Dirichlet Allocation https://github.com/ariddell/lda/ Algoritmo que identifica las palabras que aparecen juntas.
  30. 30. Latent Dirichlet Allocation
  31. 31. Algoritmo CYK Cocke-Younger-Kasami NLP-Parser A parser for probablistic context-free grammar (PCFG) with CKY algorithm https://github.com/LinxiFan/NLP-Parser Determina si una cadena puede ser generada por una gramática libre de contexto y, si es posible, cómo puede ser generada.
  32. 32. ¿Qué sabrías hacer con ésto?
  33. 33. Más info de Análisis Sintáctico http://craneoprevilegiado.com/wp-content/uploads/2016/06/Seonthbeach-definitivo-2016.pdf
  34. 34. Tu Red Neuronal propia
  35. 35. ¿Qué comen estos bichos? .CSV .csv
  36. 36. Más Tarde o Más Temprano…. tu CRAWLER personalizado Librería Scrapy para Python 2 http://www.scrapy.org
  37. 37. NO ES UN JUGUETE
  38. 38. Tu primera Red Neuronal
  39. 39. Entrena a tu bicho
  40. 40. Es su forma de aprender
  41. 41. Tu primera Red Deep Learning
  42. 42. Problemas serios de almacenamiento y Computación
  43. 43. Olvídate de CPUs… Sí, o sí, GPUs
  44. 44. Gasta más que el PP Valenciano
  45. 45. A mí que me lo expliquen... http://www.seo.school/master-seo http://www.seo.school/cursos-seo/tensor-flow http://www.seo.school/cursos-seo/crawler
  46. 46. Caminante, no hay camino, se hace camino al andar… Antonio Machado
  47. 47. Gracias!!

×