Отправляет email-рассылки с помощью сервиса Sendsay

Новости мира гаджетов и hi-tech-бизнеса

Подписаться Бесплатная «Серебряная» новостная рассылка . Подписчиков 185 RSS
←   Апрель 2015   →
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
11.04.2015
10:01:09
15:01:24
12
13
14
15
16
17
18
19
19.04.2015
12:01:56
15:02:33
20
21
22
23
24
25
26
27
28
29
30


За последние 60 дней ни разу не выходила


Сайт рассылки: http://biznes-angel.livejournal.com/
Открыта: 17-02-2013
Адрес автора: business.school.biznesangel-owner@subscribe.ru

Автор
Виниту

Статистика

185 подписчиков
0 за неделю
←   Все выпуски   →

<<Ланит>> запустила холдинг Lanit Education


«Ланит» запустила холдинг Lanit Education
2015-04-06 00:00

В структуре группы компаний «Ланит» создан холдинг Lanit Education («Ланит Образование»), сообщается на сайте группы.

Генеральным директором LANIT Education стала Ирина Иоаннесян. В холдинг входят LET (LANIT Education Technologies) — «конструкторское бюро» по проектированию, сборке и внедрению системных образовательных решений, компания «Мобильное Электронное Образование» — центр научно-методической разработки и производства мобильных образовательных решений, «ПрофКомп» — дистрибьютор образовательного оборудования и образовательных технологий, и «Индигос» — интернет-площадка, на которой агрегирован и представлен каталог системных образовательных решений.

Одним из ключевых направлений работы холдинга LANIT Education является инклюзивное образование — система обучения детей с «особыми образовательными потребностями», среди которых как дети с ограниченными возможностями здоровья (в том числе инвалиды), так и особо одаренные дети. По собственным данным, в холдинге LANIT Education работает команда из 120 специалистов. Компания взаимодействует с 85 регионами РФ, а также с более чем с 500 российскими и зарубежными партнерами.

О ГК ЛАНИТ

Компания «ЛАНИТ» создана в 1989 году. Компании группы предоставляют полный комплекс ИТ-услуг. «Ланит»является российским системным интегратором. «Ланит» основал в 1995 году учебный центр «Сетевая Академия ЛАНИТ».


Эволюция рекомендательных сервисов
2015-04-06 00:00
Интерес к рекомендательным сервисам возник после соревнования Netflix Prize, организованного компанией Netflix. В конце 90-х годов Netflix рассылала по почте VHS-кассеты. Позднее она создала рекомендательный интернет-сервис Video on Demand. Чем лучше сервис рекомендовал пользователям фильмы, тем больше кассет и дисков они брали в прокат. Со временем компании потребовалось повысить качество рекомендаций, и именно с этой целью в 2006 году придумали Netflix Prize. Netflix выложила в открытый доступ собранные данные – около 100 миллионов оценок по пятибалльной шкале с указанием ID пользователей, проставивших их, а всем желающим предлагалось улучшить результат. Соревнование длилось почти три года. Победители получили приз в $ 1 млн.

Сейчас Netflix уже больше, чем рекомендательная платформа. Сегодня – это крупнейший онлайн кинотеатр. Кроме того, компания стала сама производить контент. В создании сериала «Карточный домик», снятого по заказу Netflix, принимали участие всемирно известные голливудские звезды, а сам сериал получился настолько качественным, что был неоднократно удостоен престижных премий: «Эмми» и «Золотой глобус». Довольно неожиданный виток в эволюции рекомендательного сервиса.

Netflix_headquarters.jpg
Офис Netflix

В Рунете первым рекомендательным сервисом стал ИМХОНЕТ, основанный в 2007 году. Сервис одновременно работал с разными видами контента. Создатели назвали его мультикультурным, потому что он помогал пользователю сделать выбор в разных культурных и околокультурных областях, рекомендуя книги, фильмы, игры и прочее.

В нулевых рекомендательные сервисы начали проникать в e-commerce. На сегодняшний день лучшие рекомендательные системы реализованы у нескольких компаний: 

Amazon.com – интернет-магазин, покупатели которого могут оставлять отзывы о товарах и оценивать их, что, в свою очередь, в дальнейшем помогает выбрать нужную вещь хорошего качества;

Rich Relevance – рекомендательная платформа для мультиканальной персонализации интернет-магазинов, созданная разработчиками Amazon.com;

Retail Rocket – российская рекомендательная платформа, аналог Rich Relevance. 

В начале 2010-х рекомендательные сервисы появились и в социальных сетях. К примеру, Facebook на основе лайков друзей стал рекомендовать пользователю интересный контент. Сначала алгоритм рекомендации был довольно примитивным и не учитывал какой-то социальной значимости. Реальный случай: у моего бывшего коллеги по Mail.ru родился сын, но Facebook решил, что мне эту новость показывать не стоит, а лучше показать мне очередные волнения народных масс на Болотной площади, посты о которых все лайкали и обсуждали. В итоге, Facebook заполонил всю мою ленту событиями с Болотной, а рождение сына коллеги он от меня «спрятал». Это свидетельствует о том, что соцсеть давала рекомендации на основе каких-то совсем базовых алгоритмов. Из серии: если 80% друзей полайкали какую-то ссылку, то тебе ее тоже нужно показать. С тех пор прошло несколько лет, а Facebook неоднократно менял алгоритмы выдачи рекомендаций в ленте, однако я до сих пор не понимаю, почему вижу посты от одних друзей и вообще не вижу от других. 

Возвращаясь к Netflix, можно сказать, что пример эволюции этой компании и их сервиса не является типичным примеров эволюции рекомендательных сервисов, а скорее служит исключением. В основном развитие рекомендательных сервисов заключается в усовершенствование алгоритмов рекомендации. Все делается для того, чтобы юзерам давались все более и более точные рекомендации, все чаще вызывающие у них положительную реакцию. 

Для этого математические алгоритмы рекомендаций должны обучаться. Это основа машинного обучения и одновременно гарант развития рекомендательных сервисов. Сначала мы даем какую-то рекомендацию, после чего получаем от пользователей какую-то обратную связь, делаем какие-то выводы, переобучаем математическая модель, снова что-то спрашиваем или показываем и снова ждем какой-то реакции. И так до бесконечности.

Усовершенствование алгоритмов рекомендации идет по следующим направлениям:

1 Количество контента, который мы рекомендуем. Его должно быть много, чтобы было из чего рекомендовать.

2 Информация, которую мы знаем о контенте. Чем больше мы о нем знаем, тем лучше. Начиная с автора книги или статьи и заканчивая тем, сколько в ней символов, фотографий, какого они цвета, какую эмоцию вызывает статья. 

3 Информация о юзерах. Их пол, возраст, география. Чем больше мы знаем о юзере, тем точнее мы можем рекомендовать ему контент. 

4 Интерфейсные решения, которые помогают соединить контент с юзером и понять реакцию юзера на нашу рекомендацию. 

Вообще, можно выделить два основных типа рекомендательных систем: 

Content-based – пользователю даются рекомендации, похожие на те, которые этот пользователь уже как-то оценил, прослушал, посмотрел, может быть, даже съел.

Коллаборативная фильтрация – для рекомендации используется история оценок как самого пользователя, так и других пользователей.

Я лично тоже пользуюсь рекомендательными сервисами. И у меня есть несколько фаворитов: 

Новостное приложение Circa. Нравится тем, что здесь можно подписываться на какие-то определенные новостные сюжеты, например, о падении/укреплении курса рубля.

Контентное приложение Prismatic. Его фишка в возможности объединить различные интересы в одну ленту.

Imdb – это база профайлов кинофильмов и оценок к ним. Самая большая база по этой тематике. Рейтинг на imdb решающий фактор для многих при выборе фильма для просмотра.

Last.fm – сервис музыкальных рекомендаций, предоставляющий персональные рекомендации в соответствии с твоими музыкальными предпочтениями. С помощью Last.fm можно найти для себя какие-то новые музыкальные композиции.

whacked.net_.png

Если говорить об эволюции уже существующих рекомендательных сервисов, то можно смело заявить, что их основная масса занимается улучшением своих технологий и алгоритмов и лишь немногие рекомендательные сервисы превратились в платформу. 

Новые рекомендательные сервисы – это в основном приложения, тесно связанные с офлайном. Это когда действие совершается онлайн, дабы получить товар или услугу в реале. Например, бронируешь билеты на предложенный спектакль, чтобы сходить в театр, или выбираешь ресторан и так далее. Думаю, именно в этом направлении и будет идти дальнейшее развитие. 

В последнее время рекомендательных сервисов появилось довольно много, но многие ниши все еще не заняты, и пока есть что развивать и чем заниматься. 

Мне, например, очень не хватает сервиса, рекомендующего туристические маршруты. В нем должен быть опросник, в котором указываешь основные параметры путешествия: страна или страны, которые хочется посетить, количество дней, бюджет, желаемый тип размещения, на чем планируется передвигаться и пр. После обработки введенных данных пользователю должны быть предложены несколько вариантов маршрута. Важно, чтобы рекомендации давал не человек, на свой вкус и взгляд, как это делается в сервисе iknow.travel, а математический алгоритм. Кстати, развитию рекомендательных сервисов способствует в том числе развитие технологий электронных платежей. Например, возможность привязки карты к сервису. Если приложение, составляющее туристические маршруты, предложит пользователю забронировать на пути следования отели, трансферы, столики в ресторанах, то с помощью современных технологий все это можно будет сделать в один тап по экрану смартфона. Некоторым людям, конечно, нравится читать путеводители, сидеть часами на Booking.com, выбирая и бронируя отели. Некоторым, но точно не мне. Я в этом плане ненавижу что-то делать, решать, выбирать. Именно поэтому я очень люблю рекомендательные сервисы и считаю, что это одно из самых перспективных направлений. Думаю, в этом плане я не одинок. 


Ученый из Комсомольска-на-Амуре получил 1 млн рублей по итогам стартап-тура «Сколково»
2015-04-06 00:00
Магистрант Комсомольского-на-Амуре технического университета Александр Ульянов по итогам стартап-тура «Сколково» получил 1 млн рублей на реализацию программы «СТАРТ». Об этом сообщает информационный портал Хабаровского края.

Проект «Устройство визуализации ввода эндотрахеальной трубки» заняло первое место в треке биомедицинских технологий. До этого ученый стал победителем программы «УМНИК» Фонда содействия развитию малых форм предприятий в научно-технической сфере.

О стартап-туре «Сколково»

Всероссийский стартап-тур проводится фондом «Сколково» уже четвертый год подряд. Его задачи — поиск инновационных решений, востребованных на высокотехнологичных рынках, помощь молодым разработчикам в планировании собственной стратегии развития, а также формирование инновационных сообществ, объединяющих всех, кто связан с инновациями.

О «Сколково»

Фонд развития центра разработки и коммерциализации новых технологий «Сколково» — некоммерческая организация, созданная по инициативе главы государства в сентябре 2010 года. Цель Фонда мобилизация ресурсов России в области современных прикладных исследований, создание благоприятной среды для осуществления научных разработок по пяти приоритетным направлениям технологического развития: энергетика и энергоэффективность, космос, биомедицина, ядерные и компьютерные технологии.
В избранное