Deep Learning es una  técnica de aprendizaje artificial que ya ha dotado a los ordenadores de una capacidad para reconocer la voz, clasificar imágenes, videos y ha realizado impresionantes avances en procesamiento de lenguaje natural.

Deep Learning implica la aplicación repetida de cálculos a los datos, que pueden ser imágenes o sonido, para reconocer atributos clave y similitudes. Aunque existen varias maneras de implementar Deep Learning, una de las más comunes es utilizar redes de neuronas. Una red de neuronas es una herramienta matemática que modela, de forma muy simplificada, el funcionamiento de las neuronas en el cerebro. Otra forma de verlas, es como un procesador de información, que recibe información entrante, codificada como números, hace un poco de magia, y produce como resultado información saliente, codificada como otros números.

Los principios matemáticos que forman la base del aprendizaje profundo son relativamente sencillos, pero cuando se combinan con enormes cantidades de datos de aprendizaje y sistemas informáticos que ejecutan múltiples operaciones en paralelo, la técnica ha dado paso a grandes avances en los últimos años, sobre todo en los campos de reconocimiento de voz e imágenes.

Por ejemplo, Google utiliza aprendizaje profundo para el reconocimiento de voz en móviles Android, mientras que Facebook utiliza la tecnología para identificar amigos en las fotos de sus usuarios.   Andrew Ng, profesor adjunto de la Universidad de Stanford (USA), cocreador de Coursera (mis agradecimientos) y  director de Tecnología de la empresa china Baidu, Andrew Ng, dijo en la conferencia que el aprendizaje profundo ya ha demostrado su utilidad. «Una de las cosas que Baidu hizo muy bien desde el principio fue crear una plataforma interna de aprendizaje profundo», dijo Ng. «Un ingeniero de nuestro grupo de sistemas decidió utilizarlo para identificar con un día de antelación cuándo va a fallar el disco duro. Utilizamos aprendizaje profundo para detectar intrusiones. Ahora mucha gente está aprendiendo acerca del aprendizaje profundo y lo intentan aplicar a muchos problemas distintos».

Para campañas de social media, deep learning puede reconocer la identificación de usuarios así como sus gustos y preferencias, extraídas de imágenes y/o videos.  Por ejemplo de una foto de un grupo de amigos en una fiesta, se puede identificar a cada uno de ellos, reconociéndolos por sus similitudes con fotos de perfiles en redes sociales. Incluso se puede extraer características de productos asociados a la imagen, como por ejemplo bebidas, marcas de ropa, sitios de interés, para con esa información realizar campanas personalizadas de contenido.

Les dejo el video de Andrew Ng y los avances en Deep Learning.  El lo cataloga como el estado del arte en aprendizaje no supervizado .

¿Cómo podemos conocer si hay un publico que escucha lo que decimos? Emprendedores y negocios pueden mirar a Klout por respuesta. Este sitio web gratuito analiza los datos de  las cuentas de Twitter, Facebook, Linkedin,  y mide  del 1 al 100 la influencia en línea en general.

El sitio  mide  aproximadamente 35 variables de Facebook y Twitter, entre ellas: «verdadero alcance», «amplificación» e «impacto en la red». El verdadero alcance se refiere al tamaño de la audiencia de un usuario determinado,  la cual participa activamente en sus mensajes. La puntuación de amplificación se refiere a la probabilidad de que uno de los mensajes generarán acciones, como retweets, menciones, gustos y comentarios.  El impacto de red refleja el valor calculado de influencia de la audiencia  de un usuario.

Además, el sitio determina los temas que son más influyentes, con base en el análisis del tipo de contenido que producen y la participación de la comunidad. Klout también permite a sus usuarios sugerir temas para sí mismos y otros.   Entonces, ¿cuál es el punto de tener una puntuación Klout para las marcas y los usuarios? En lugar de nombrar a las marcas mas influyentes, Klout trabaja ofreciendo a las marcas la oportunidad de dar ‘gratificaciones Klout’ a usuarios influyentes.

La plataforma utiliza el modelo de negocio simple pero eficaz. Las compañías pagan Klout para campañas, donde se ofrecen productos y servicios gratuitos a los usuarios influyentes Klout. Con cada campaña, los usuarios Klout son seleccionados en base a sus puntuaciones, los temas, la demografía y la ubicación. Pero los usuarios que reciben beneficios no están bajo ninguna obligación de escribir o revisar sobre lo que reciben, sin embargo, las marcas esperan que cierto porcentaje de usuarios influyentes puedan escribir sobre sus productos y servicios.

KLOUT