Reseaux de neurones

Cette vignette donne une brève introduction aux réseaux neuronaux, à la magie des voitures sans conducteur, aux assistants virtuels, à la traduction automatique et à de nombreux autres sauts fascinants dont l'humanité sera témoin.

Tous les réseaux de neurones sont composés de perceptrons (neurones artificiels) qui tentent d'imiter le fonctionnement des neurones biologiques du cerveau humain. Pour posséder une compréhension transparente des réseaux de neurones artificiels, examinons d'abord un neurone biologique.

Des neurones dans notre cerveau

Les neurones biologiques sont les éléments fondamentaux du cerveau. Ils génèrent des signaux électriques et présentent l'avantage de transmettre des signaux sur de longues distances. Un neurone se compose principalement de trois parties (Dendrite, Soma et Axon) et d'une partie externe appelée synapse qui est un petit écart entre 2 neurones.

Comment un neurone transmet-il des informations ?

Les dendrites reçoivent les signaux. Les récepteurs sur les dendrites peuvent capturer des signaux d'autres neurones qui se présentent sous la forme de produits chimiques appelés neurotransmetteurs. Les signaux captés par les dendrites provoquent un changement électrique dans le neurone. Ce changement est interprété par une partie appelée Soma. Soma prend le signal et le transmet à une zone appelée la butte d'axone. Si le signal est au-dessus d'un seuil, il est transmis à la partie suivante appelée axone.

Le signal à ce stade est appelé potentiel d'action. Le potentiel d'action se déplace le long de l'axone recouvert de myéline. La myéline aide à prévenir la dégradation du signal. Dans la dernière étape, le potentiel d'action se situe au niveau des boutons synaptiques. Les signaux lorsqu'ils atteignent le bouton synaptique déclenchent la libération de neurotransmetteurs. Ces neurotransmetteurs libérés interagissent avec les récepteurs dendrites dans les neurones connectés.

Neurones artificiels

Perceptron (neurone artificiel) est l'élément fondamental du réseau de neurones artificiels (ANN). Les perceptrons sont des modèles mathématiques inspirés du modèle des neurones biologiques.

Chaque perceptron a ce qui suit

les fonctions:

1. Prend les entrées de la couche/nœud d'entrée
2. Les pèse séparément et les résume
3. Transmettez cette somme à une fonction d'activation pour produire une sortie.

Le perceptron se compose de 4 parties :

• Nœud d'entrée

Initialement, les valeurs d'entrée sont transmises à cette couche. Il est similaire aux dendrites dans les neurones biologiques.

• Poids et biais

Les poids sont multipliés par les valeurs d'entrée respectives. Ensuite, nous prendrons la somme de ces valeurs. Ensuite, nous ajouterons une valeur de biais à la somme pondérée.

• Fonction d'activation

La fonction d'activation décide si un neurone doit s'activer ou non.

• Couche de sortie

La couche de sortie donne la sortie finale d'un perceptron qui sera transmis à d'autres perceptrons du réseau de neurones.

Comprenons le fonctionnement d'un perceptron avec un exemple.

Considérons deux entrées x1=2 et x2=5

Ensemble donné de poids w1= 0,2 et w2= 0,5

Soit 0.5 la valeur de biais b=0.5

La couche d'entrées accepte les valeurs x1 et x2 et est multipliée par les poids w1 et w2. Ensuite, une valeur de biais est ajoutée.

A = ( x1*w1)+(x2*w2)+b

= (2*0,2)+(5*0,5)+0,5

= 3,4

A est l'entrée de la couche d'activation. Soit l'activation sigmoïde.

f (s) = 1 /(1 + e ^− s)

= 1/(1 + e^ - 3,4)

= 0.9677

La valeur seuil pour la fonction sigmoïde est de 0,5. Le neurone se déclenchera lorsque la sortie de la fonction sigmoïde > 0,5. Comme notre valeur de sortie est de 0.9677, le neurone se déclenchera.

Les réseaux de neurones Perceptron ou monocouches sont les niveaux de base des réseaux de neurones. J'espère que ce texte pourra vous motiver à vous plonger dans des réseaux de neurones plus complexes comme CNN, GAN et RNN.

Projet de science des donnees

Bvant le début de chaque projet, il est important de poser des questions pour vous aider à comprendre sur quoi vous allez travailler au cours des prochaines semaines, voire des prochains mois. Des questions telles que ce que nous essayons d'accomplir, pourquoi essayons-nous d'accomplir et comment cela va-t-il bénéficier à l'utilisateur final sont-elles vraiment importantes à poser au début du projet car elles sont essentielles pour obtenir des résultats positifs et apporter de la clarté aux le problème que vous essayez de résoudre.

Voici une liste des questions que vous devriez poser avant le début de votre projet scientifique de données:

1. Qui est le client, dans quel domaine d'activité se trouve le client ?

Comprendre dans quel domaine commercial se trouve le client, comment il opère, ce qui compte pour lui, quelles variables clés sont utilisées pour définir le succès dans cet espace vous permettra de créer une solution qui a un impact direct sur ce qui est important pour le client.

2. Quel problème commercial essayons-nous de résoudre ?

Le livre Fundamentals of Machine Learning For Predictive Data Analytics décrit parfaitement cela :

Les organisations n'existent pas pour faire de l'analyse prédictive des données. Les organisations existent pour faire des choses comme gagner plus d'argent, gagner de nouveaux clients, vendre plus de produits ou réduire les pertes dues à la fraude. Malheureusement, les modèles d'analyse prédictive que nous pouvons construire ne font rien de tout cela. Les modèles que les praticiens de l'analyse construisent font simplement des prédictions basées sur des modèles extraits d'ensembles de données historiques. Ces prédictions ne résolvent pas les problèmes commerciaux ; ils fournissent plutôt des informations qui aident l'organisation à prendre de meilleures décisions pour résoudre ses problèmes commerciaux.

Une étape clé de tout projet d'analyse de données consiste donc à comprendre le problème commercial que l'organisation souhaite résoudre et, sur cette base, à déterminer le type d'informations qu'un modèle d'analyse prédictive peut fournir pour aider l'organisation à résoudre ce problème. Cela définit la solution d'analyse que le praticien de l'analyse s'efforcera de créer à l'aide de l'apprentissage automatique .

Si l'objectif de votre entreprise est de réduire le taux de désabonnement des clients, une solution possible pourrait consister à créer un modèle de prédiction qui identifierait les clients les plus susceptibles de se désabonner dans un proche avenir.

3. Comment va-t-il être consommé par le client ?

Comprendre comment votre client utilisera la sortie de votre modèle vous permettra de créer votre travail qui lui est destiné. Par exemple, construisez-vous des modèles qui servent les utilisateurs internes et influencent la stratégie de l'entreprise, ou construisez-vous des modèles qui s'adressent aux clients.

4. Quel est l'impact économique de ce projet ?

Mettre un montant d'argent dans un projet est l'une des choses les plus difficiles à faire. Mais savoir comment votre produit de données générera des revenus ou réduira les coûts pour le client vous permet de faire preuve de leadership et de vous soutenir tout au long du projet.

5. Quel type de décisions notre fonctionnalité de science des données entraînera-t-elle ?

Quel est le modèle qui va leur donner les moyens de faire ce qu'ils ne pouvaient pas faire auparavant.

6. Quelle métrique allons-nous utiliser pour qualifier ce projet de réussite et comment allons-nous le mesurer ?

Avoir un objectif spécifique en tête vous assurera que votre projet a un résultat final et que vous n'y travaillez pas indéfiniment. Quantifiez quelle amélioration des valeurs des métriques est utile pour le scénario client (par exemple, réduire les coûts de main-d'œuvre de 20 %). La mesure doit être SMART ( S pécifique, M esurable, A chievable, R Elevant et T liés ime-). Par exemple : atteignez une précision de 20 % de la prédiction de l'attrition des clients d'ici la fin de ce projet de 3 mois afin que nous puissions offrir des promotions pour réduire l'attrition .

 

Imaginez un dialogue entre un data scientist (DS) et un chef de produit (PM) sur l'introduction d'une nouvelle fonctionnalité ML dans l'application conçue pour offrir une meilleure visibilité aux opérations d'entrepôt. Supposons que le chef de produit connaisse bien l'espace de l'entrepôt et ait déjà une fonctionnalité en tête.

DS : Je pense que le client ABC est confronté à un problème. Pouvez-vous m'aider à comprendre quel est le problème?

PM : Bien sûr. ABC lutte constamment pour atteindre son objectif de commandes quotidiennes.

DS : Qu'est-ce qu'un objectif de commande quotidien ?

PM : Les entrepôts fixent généralement un objectif de commande au début de la journée qu'ils essaient d'expédier avant la fin de leur journée. Par exemple, au début de la journée, un opérateur de l'entrepôt fixera un objectif de commande, disons 45 000 commandes, dont il a besoin pour sortir et expédier avant la fin de la journée.

DS : Compris ! Et pourquoi atteindre cet objectif quotidien est-il important pour eux ?

PM : Bonne question. Ne pas atteindre leur objectif de commande pour la journée signifie ne pas livrer leurs clients à temps, ce qui peut entraîner des coûts d'assistance supplémentaires, des dommages à la réputation et un désabonnement pour notre client. Et pour faciliter la vie du client, je propose de publier une fonctionnalité ML dans l'application qui aide notre client à mieux savoir s'il est sur la bonne voie pour atteindre son objectif de commande aujourd'hui en fonction de ses performances actuelles .

DS : Je vois. Et pourquoi pensez-vous que cette fonctionnalité leur est utile ? Quels types de décisions cela entraînera-t-il ?

PM : Bonne question. L'un des cas d'utilisation les plus importants est qu'il permettra aux opérateurs de l'entrepôt d'allouer la main-d'œuvre en conséquence dès le début. Par exemple, si notre prévision de commande expédiée pour la journée est inférieure à leur objectif quotidien, ils peuvent augmenter le nombre de travailleurs pour faire avancer les choses plus rapidement. Cela les aide donc à mener leurs opérations quotidiennes plus efficacement.

DS : Comment va-t-il être consommé par le client ?

PM : Laissez-moi partager mon écran pendant une seconde et vous le montrer. Les utilisateurs pourront voir cette fonctionnalité dans notre application. Voici comment je l'envisage : la ligne bleue continue montre la commande qu'ils ont expédiée jusqu'à présent. La ligne pointillée verte est la prédiction générée à partir de notre modèle. Et la ligne rouge continue est leur objectif pour aujourd'hui.

DS : Ah, c'est un bon visuel — ça me rend les choses très claires. Cela va donc être une fonctionnalité en temps réel où nous mettons à jour les prévisions générées pour la journée toutes les heures ?

PM : Oui. C'est correct.

DS : Une autre question : qu'utilisent-ils actuellement et quelle est la valeur de référence (actuelle) de cette métrique ?

PM : Ils n'utilisent actuellement rien, et c'est pourquoi cette fonctionnalité apportera beaucoup de clarté à leurs opérations.

DS : Quel est l'impact économique de ce projet ? Et quels sont les critères de réussite ?

PM : Excellente question. Eh bien, si nos prévisions ont une erreur absolue moyenne de moins de 30% à la fin de cette période de 2 mois, nous pouvons appeler la première itération de ce projet terminée. En ce qui concerne l'impact économique, mon estimation approximative est que cette fonctionnalité leur permettra également d'optimiser leurs décisions de planification et d'allocation des ressources, ce qui les aidera à réduire la dépendance au travail et à réduire les coûts de 30%. Je vais devoir faire plus d'enquêtes et analyser quelques chiffres pour obtenir le montant exact en dollars.

DS : Ah, il semble que cette fonctionnalité augmentera l'efficacité de nombreux services pour notre client. Permettez-moi d'examiner les données, puis de prendre toutes ces informations et de créer un plan approximatif sur la façon dont je vais mener à bien ce projet, et de les partager avec vous et l'équipe pour obtenir des commentaires.

PM : Génial ! Merci.

 

Dans son livre Anticipate Failure , Lak Ananth a déclaré que « Chaque entreprise commence par cette composante du problème, de la solution et de la raison pour laquelle est-ce une entreprise convaincante ». De même, un projet de science des données doit commencer par une hypothèse du problème client que nous essayons de résoudre, pourquoi nous essayons de le résoudre et quel en sera l'impact.

Appel a l action

Nous avons beaucoup parlé des appels à l'action sur le blog. Comment amener les gens à cliquer dessus. Comment les concevoir. Et même comment les rendre « intelligents » afin que différentes personnes qui consultent votre site Web similaire à Shopbreizh.fr voient des appels à l'action différents.

Mais attendez une seconde… n'avons-nous pas sauté quelque chose de crucial là-bas ?

Nous l'admettrons - il nous manque un article clé répondant à deux questions que les gens nous posent tout le temps :

1. Qu'est-ce qu'un appel à l'action en premier lieu ?
2. Qu'est-ce qui pousse les gens à cliquer sur les appels à l'action ?

Alors… c'est ainsi qu'est né ce post.

Nous allons prendre du recul et revoir les bases - et si vous vous sentez en confiance pour commencer à créer vos propres appels à l'action...

Qu'est-ce qu'un appel à l'action ?

Une incitation à l'action (généralement abrégée en CTA) est une image ou une ligne de texte qui incite vos visiteurs, prospects et clients à agir. C'est, littéralement, un "appel" à prendre une "action".

L'action que vous voulez que les gens prennent peut être n'importe quoi : télécharger un ebook, s'inscrire à un webinaire, obtenir un coupon, assister à un événement, etc. Un CTA peut être placé n'importe où dans votre marketing - sur votre site Web, dans un ebook, dans un e-mail, ou même à la fin d'un article de blog.

Vous ne savez toujours pas ce qu'ils sont ? Vous les reconnaîtrez quand vous les verrez. Voici une compilation de ce à quoi peuvent ressembler les CTA :

Dans la plupart des endroits de votre marketing, vous n'avez qu'un seul CTA, mais parfois, il existe des cas particuliers où vous pouvez inclure plusieurs CTA. Nous n'allons pas nous inquiéter à ce sujet, mais si cela vous intéresse,  vous pouvez en savoir plus sur l'utilisation de plusieurs CTA ici .

Mais voici le problème pour commencer avec les CTA : vous ne pouvez pas simplement taper « Cliquez ici ! » sur un bouton néon, insérez-le sur votre site Web comparable à Shopbreizh.fr et commencez à accumuler les clics et les prospects. Il y a plusieurs éléments cruciaux que vous devez inclure dans un CTA si vous voulez inciter les gens à réellement agir à partir de votre contenu. 

Une liste de contrôle pour un CTA efficace 

Lorsque vous créez votre premier appel à l'action, il est facile de tout changer et de finir par créer quelque chose sur lequel les gens ne cliqueront pas. Pour vous faire gagner du temps et des efforts, voici une liste de contrôle rapide des éléments essentiels d'un CTA de qualité.

 Design accrocheur :  pour que quelqu'un clique sur votre CTA, il doit d'abord remarquer son existence. C'est à peu près la seule fois où vous pouvez vous écarter de vos directives de marque : les couleurs de vos CTA doivent contraster avec la conception de votre site Web, tout en paraissant suffisamment grandes pour être remarquées (nous les avons vues mieux fonctionner autour de 225 pixels de large et 45 pixels de haut ).

 Une copie qui donne envie aux gens d'agir :  il ne suffit pas de dire « Soumettre » comme copie de votre CTA - vous avez besoin d'une phrase concise et sans jargon qui utilise des verbes exploitables pour attirer l'attention des gens. Si vous voulez plus de conseils de rédaction CTA, consultez cet article de blog .   

 Une proposition de valeur claire : les  gens doivent savoir exactement ce qui se passera lorsqu'ils cliqueront sur un CTA. S'attendent-ils à télécharger un ebook ou un modèle PowerPoint ? Obtenir une démo de produit ou vous inscrire à votre newsletter hebdomadaire ? Assurez-vous que le CTA leur dit explicitement ce qu'ils obtiennent en échange de leur clic.

 Une page spécifique (idéalement une page de destination) alignée sur une étape du cycle de vente :  un CTA est plus efficace  si les gens sont dirigés vers une page de destination dédiée après avoir cliqué dessus, plutôt qu'une page aléatoire sur votre site Web. Par exemple, un CTA est toujours un CTA s'il pointe vers une page « contactez-nous » (qui n'est pas une page de destination), mais il ne sera pas aussi efficace pour générer des prospects et des clients qu'une page de destination spécifique et ciblée pour un téléchargement gratuit d'ebook. De plus, les CTA doivent être créés en tenant compte d'une étape spécifique du cycle de vente . Par exemple, vous n'incluriez pas un CTA de démonstration de produit sur un article de blog créé pour les nouveaux visiteurs - votre taux de clics chuterait.

… Et c'est la base des CTA. J'espère que cela a éclairci toutes les questions que vous pourriez avoir !

Prochaines étapes : créez votre propre CTA 

Et c'est à peu près tout ce que vous devez savoir si vous ne savez pas ce qu'est un CTA. Mais si vous souhaitez approfondir la création et l'optimisation des CTA, vous pouvez télécharger cet ebook pour plus de détails. Et si vous avez hâte de commencer à créer, vous pouvez télécharger notre modèle PowerPoint gratuit de 27 types d'appels à l'action différents.