دوره اول رویدادهای Traceway را کوئرا (جامعه برنامه‌نویسان ایران) با حمایت تپسل و همکاری دیجیاتو برگزار کرد. سری رویدادهای Traceway قرار است فضایی برای انتقال تجربه و شبکه‌سازی توسعه‌دهندگان ارشد کشور باشد. در هر رویداد توسعه‌دهندگان ارشد سازمان‌های ایرانی و بین‌المللی تجربیات خود را با سایر توسعه‌دهندگان به اشتراک خواهند گذاشت و با تشریح تجربیات فنی خود در طراحی و پیاده‌سازی فناوری‌های روز دنیا، مسیر پیش روی سایر سازمان‌ها را در استفاده از هر فناوری روشن‌تر خواهند کرد.
اولین رویداد از سری رویدادهای Traceway با حضور مدیران فنی و توسعه‌دهندگان ارشد سازمان‌ها و استارتاپ‌های ایرانی چهاردهم آذرماه در دانشگاه صنعتی شریف برگزار شد. تمرکز این دوره بر روی «هوش مصنوعی و یادگیری ماشین» بود و رویداد شامل سه بخش اصلی می‌شد که به ترتیب ارائه‌های بلند، کوتاه و بخش شبکه سازی بودند.
در ابتدای رویداد مدیرعامل کوئرا، مسیر طی شده در این استارتاپ را از ابتدا تا کنون روایت کرد. به گفته «محمدباقر تبریزی» گفت که کوئرا 4 سال پیش به عنوان سیستم کمک‌آموزشی در دانشگاه صنعتی شریف شروع به کار کرد و در حال حاضر سرویس‌های مختلفی برای جامعه برنامه‌نویسان ایران ارائه کرده است:
«عمده فعالیت کوئرا در زمینه‌های آموزش تعاملی برنامه‌نویسی، برگزاری مسابقات برای برنامه‌نویسان و کاریابی نیروهای ماهر این حوزه بوده است. در کنار این فعالیت‌ها کوئرا سعی می‌کند با برگزاری رویدادهای تخصصی مانند TraceWay بستری مناسب برای همکاری و انتقال تجربه بین توسعه‌دهندگان ایرانی بسازد.»
در ادامه عباس حسینی از شرکت تپسل شرح داد که چگونه تپسل با پیش‌بینی رفتار کاربران در مواجهه با هر آگهی، مرتبط‌ترین تبلیغ را به هر کاربر نمایش می‌دهد.
«اکوسیستم تبلیغات به این صورت است که همیشه گروهی از تبلیغ‌دهنده‌ها را داریم که میخواهند تبلیغ خودشان را نشان دهند و مخاطبان بیشتری را بدست آورند، و از طرفی رسانه‌هایی را داریم که میخواهند از طریق این تبلیغات درآمدزایی داشته باشند. چالش اصلی این است که این دو گروه به صورت یک‌به‌یک نمی‌توانند با هم ارتباط برقرار کنند. DSP یا به عبارتی Demand Side Platformها بسترهایی هستند که به تبلیغ‌دهنده‌ها سرویس می‌دهند و هدفشان این است که با کمترین هزینه و بهترین حالت بتوانند تبلیغ‌دهنده‌ها را به اهدافشان برسانند. از طرفی SSPها یا به عبارتی Supply Side Platformها به نمایش‌دهنده‌ها متصل می‌شوند و سعی می‌کنند با بالاترین قیمت فضای تبلیغاتی را به فروش برسانند.»
سپس «علی چلمقانی» از تیم کافه‌بازار به سخنرانی پرداخت و محصول پردازش زبان‌های طبیعی (NLP) کافه‌بازار را تشریح کرد. استفاده‌هایی که از این محصول در «چت دیوار» شده و نتایجی که بعد از آن در پی داشته است جزو قابلیت‌های ویژه این محصول بود.
علی چلمقانی در مورد چت دیوار و زمان انتشار این محصول صحبت کرد و نشان داد که چه‌طور با تحلیل محتوایی متنی چت دیوار و با دسته‌بندی داده‌ها، توانستند میزان موفقیت آگهی‌های دیوار را افزایش دهند:
«یکی از چالش‌ها در این راستا این بود که آماده کردن دیتاست در حوزه چت کار آسانی نبود و نمی‌توانستیم مدلی از داده‌ها به وجود بیاوریم تا به Intent Classification چت برسیم. برای این کار محتوای چت‌ها را دسته بندی کردیم. مثلا چت‌هایی که در مورد تجهیزات فنی ماشین‌ها (مثل بیمه و مدل و...) بود را در یک دسته قرار دادیم و همینطور این روش را برای املاک و... امتحان کردیم. حتی مزاحمت‌هایی که در دیوار اتفاق می‌افتاد را از طریق دلیل بلاک کردن کاربر متوجه می‌شدیم و در واقع همه این کارها را یادگیری ماشین برایمان انجام می‌داد.»
به گفته چلقمانی آنها در حال حاضر مشغول روی سیستمی به اسم Smart Suggestions هستند که از طریق یادگیری ماشین قرار است پیش‌بینی کند سوال بعدی که کاربر ممکن است بپرسد چیست.
در ادامه رویداد «پیام آراسته» درباره پیش‌بینی ترافیک مسیریاب بلد صحبت کرد. موضوعی که میتواند با کم‌کردن زمان و مسافت سفرها، مهم‌ترین برتری تکنولوژی مسیریاب‌ها محسوب شود.
آراسته، داستان تخمین زدن ترافیک در سطح شهر در اپلیکیشن بلد را بازگو کرد و گفت که دانستن میزان ترافیک در زندگیمان قطعاً تاثیرگذار خواهد بود. آراسته گفت: «ممکن است فکر کنید داده‌هایی که برای ترافیک به دست می‌آوریم از طریق دوربین‌های سطح شهر و یا تصاویر ماهواره‌ای هستند که در واقع هر کدام از این روش‌ها مشکلاتی دارند که باعث می‌شود از آنها استفاده نکنیم. در عوض مسیریاب‌ها دقیقاً از داده‌های خود کاربران استفاده می‌کنند؛ در واقع از طریق GPS سیگنال‌ها به سرورهای ما فرستاده می‌شود که می‌توانیم از آنها استفاده کنیم.»
آراسته در ادامه درباره جزئیات فنی این کار توضیحات بیشتری داد و گفت:
«برای اینکه بتوانیم به درستی این کار را انجام دهیم از Big Data و Hadoop استفاده کردیم و برای بحث حریم خصوصی (Privacy)، زمانی که شما با اطلاعاتتان مثل شماره تماس و یا ایمیل وارد اپلیکیشن می‌شوید یک سری token به صورت تصادفی ایجاد می‌شود که از طریق سیستم Map Matching میتواند سیگنال‌هایی ارسال کند تا بتواند مسیر را تشخیص دهد.»
در ادامه حامد دهقانی ماجرای سیستم توصیه‌گر (Recommendation System) دیجی‌کالا را تعریف کرد. سیستمی که تا همین چند هفته پیش از سرویس‌های خارجی استفاده می‌کرد اما حالا با طراحی و پیاده‌سازی کامل آن در دیجی‌کالا، علاوه بر کاهش هزینه، نتایج بهتری هم در تشخیص علاقه‌مندی‌های کاربران داشته است. او در همین رابطه توضیح داد:
«دیجی‌کالا در خصوص سیستم توصیه‌گر از داده‌هایی مثل Business Data و User Event Data استفاده می‌کند که در نهایت به Big Data Storage دیجی‌کالا تبدیل می‌شود تا اپلیکشین‌های توصیه‌گر به خوبی کار کنند. این اپلیکیشن‌ها ویژگی‌هایی از جنس Personalize و Non personalize دارند که این سیستم برای پیشنهادها ازRelated Product ،Aslo bought ،Top category و... استفاده می‌کند.»
دهقانی به این موضوع اشاره کرد که دیجی‌کالا می‌توانست از Third Party Recommendation استفاده کند اما آنها ترجیح دادند خودشان با استفاده از یادگیری ماشین سیستمی را طراحی کنند که علاوه بر کاهش هزینه نتایج بهتری نیز داشته باشد.
ارائه‌های کوتاه رویداد
در ادامه و در بخش ارائه‌های کوتاه، «هادی راسخ» استفاده از هوش مصنوعی برای پیشنهاد فیلم در سلام‌سینما را شرح داد و گفت: «در سلام سینما از Recommendation System برای پیشنهاد فیلم مطابق سلیقه کاربران استفاده کردیم. برای شروع از سرویس Prediction.io استفاده کردیم ولی یک سری محدودیت‌هایی داریم که در تلاشیم تا با استفاده از الگوریتم‌های دیگر این موارد را برطرف کنیم.»
آرمان فاطمی از «واکاویک» به اهمیت داده‌های بزرگ و کوچک در کسب‌وکار اشاره کرد و سپس به معرفی واکاویک، سرویس پردازش هوشمند متن فارسی پرداخت که با استفاده از هوش مصنوعی انجام می‌شود.
«علی آجودانیان» از ویرگول هم درباره پیشنهاد مطالب در این سامانه توضیح داد: «پیشنهاد پست‌ها را با توجه به فعالیت‌هایی که کاربران نسبت به خواندن مقاله‌های مختلف دارند انجام دادیم و با استفاده از تجزیه متن مطلبی را پیشنهاد می‌دادیم که با سلیقه کاربر یکسان است و اکنون هم در حال تست سیستمی هستند که این روند را بهبود داده است.»
در صورتی که تمایل به مشاهده ویدئوی کامل رویداد دارید، می‌توانید با مراجعه به وب‌سایت کوئرا، ویدئوی ضبط شده این رویداد را با کد تخفیف digiato خریداری نمایید.
