对于在数字世界工作的任何人来说，机器学习的重要性只会越来越高，但它常常让人觉得是一个难以接近的主题。不必如此——而且您不必错过它在 google SEO 任务自动化方面可以为您提供的竞争优势。戴上你的 google SEO 技术帽，准备好记笔记，因为 Britney Muller 在本周的 Whiteboard Friday 剧集中带领我们完成机器学习 101。
单击上面的白板图像，在新标签页中打开高分辨率版本！
视频转录
嘿，莫兹的粉丝。欢迎来到另一版 Whiteboard Friday。今天我要谈论机器学习的所有事情，正如你们中的许多人所知，我非常热衷并且喜欢谈论这些事情。因此，希望这会在你们中的一些人身上点燃一颗种子，进一步探索它，因为它确实是很长一段时间内我们空间中发生的最强大的事情之一。
什么是机器学习？
因此，简要概述一下，机器学习实际上是人工智能的一个子集，有些人会认为我们还没有真正接触到人工智能。但这只是整个人工智能的一个方面。
传统编程
考虑它的最佳方式是与传统编程进行比较。所以传统的编程，你将数据和程序输入计算机，然后输出，无论是网页还是在线构建的计算器，无论是什么。
机器学习
通过机器学习，您所做的就是将数据和所需的输出放入计算机中，然后您将获得一个程序，也称为机器学习模型。所以它有点翻转，而且效果非常好。机器学习有两种主要类型：
- 你已经监督了，这就是你基本上提供一个模型标记的训练数据的地方，
- 然后是无监督的，这是您输入程序数据并让它在数据点之间创建集群或关联的地方。
有监督的比较常见。您将看到分类、线性回归和图像识别等内容。诸如此类的事情都很常见。如果您从以下方面考虑机器学习，好吧，您将所有这些数据都放入模型中，数据是机器学习的最大部分。很多人会争辩说，如果机器学习是一种工具，那么数据就是燃料。
这是一个非常重要的部分，因为除非您拥有正确类型的数据来为模型提供数据，否则您将无法获得想要的结果。
机器学习模型示例
所以让我们看一个例子。如果您想构建一个预测房价的机器学习模型，您可能拥有所有这些信息。
您可能会知道这些房屋的当前价格、平方英尺、土地、浴室数量、卧室数量，等等。它会一直持续下去。这些也称为特征。因此，模型将尝试做什么，当您输入所有这些数据时，它将尝试了解这些信息之间的关联，并提出一个最能预测未来房价的模型。
这些机器学习模型中最基本的是线性回归。因此，如果您考虑输入数据，也许您只需输入价格和平方英尺，您就可以看到这样的数据。
您会看到，随着平方英尺的增加，价格也会上涨。随着时间的推移，在查看这些数据时，模型将开始通过数据找到最平滑的线，以便对未来进行最准确的预测。
你不希望它做的是拟合每一个数据点并有一条看起来像这样的线——这也被称为过度拟合——因为它对新数据点没有好处。您不希望模型对您的数据集进行如此计算，以至于无法准确预测未来。
一种看待它的方法是通过损失函数。这可能会更深入一点，但这就是你如何衡量这条线的适合程度。让我们来看看。
谷歌搜索引擎优化中的机器学习可能性是什么？
那么谷歌搜索引擎优化有哪些可能性？我们如何在谷歌 SEO 领域利用机器学习？
自动化元描述
因此，人们已经有几种方法可以做到这一点。您可以通过查看页面内容并使用机器模型来总结文本来自动化元描述。因此，这从字面上为您总结了内容并将其缩减为元描述长度。相当不可思议。
自动化标题
您可以类似地对标题执行此操作，但我不建议您对主要页面执行此操作。这不会是完美的。但是，如果您有一个巨大的网站，拥有数十万页，它会让您成功。开始在这些大型网站的空间中玩耍真的很有趣。
自动图像替换文字
您还可以自动化图像的替代文本。我们看到这些模型非常善于理解图像中的内容。
自动化 301 重定向
301 重定向，Paul Shapiro 有一个令人难以置信的写作和基本流程。
自动创建内容
内容创建，如果这让你们中的一些人感到害怕，或者如果你怀疑这些模型目前可以创建体面的内容，我挑战你去看看 Talk to Transformer。
它是由 Elon Musk 创立的 OpenAI 的精简版。仅来自那个缩减模型的内容有多好，这非常令人难以置信，也有点可怕。所以这在未来甚至今天都是肯定的。
自动化产品/页面建议
除了产品和页面建议。
所以这只会变得更好。想象一下，我们专门为访问我们网站的独特用户提供内容和用户体验、高度个性化的内容、高度个性化的体验。真正令人兴奋的事情正在向前发展。
资源
我有一些资源，我强烈建议您查看。
Google Codelabs 是我的最爱之一，因为它会引导您完成这些步骤。因此，如果您访问 Google Codelabs，通过 TensorFlow 或机器学习进行过滤，您可以在那里看到可能的示例。Colab notebooks 或 Jupyter notebooks 是您可能会在其中进行任何您想要自己进行的机器学习的地方。
Kaggle.com 是数据科学竞赛的第一资源。因此，您可以真正了解这些示例，以及当今人们如何使用机器学习。您会看到诸如 TSA 已经为数据科学团队提供了超过 100 万美元的资金，以建立一个模型，该模型可以预测来自安全镜头的潜在威胁。
这东西变得非常有趣非常快。在这个领域拥有多样性和包容性也非常重要，以避免将来出现真正危险的模型。所以这是绝对值得考虑的事情。
TensorFlow 是一个很好的资源。这是谷歌推出的，也是他们的许多机器学习模型的基础。他们有一个非常棒的 JavaScript 平台，您可以使用它。
Andrew Ng 有一个令人难以置信的机器学习课程。我强烈建议你检查一下。
然后，Algorithmia 有点像模型的一站式商店。因此，如果您不想涉足机器学习，而只想说一个汇总模型或特定类型的模型，您可能会在那里找到一个并进行各种即插即用的操作。
所以这是非常有趣和有趣的探索。最后一件事是机器学习模型与数据一样好。我无法充分表达这一点。所以很多机器学习和数据科学家，都是数据清洗和解析，这是这个领域的大部分工作。
意识到这一点很重要。这就是机器学习 101 的内容。非常感谢您加入我的行列，我希望很快能再次见到大家。谢谢。
Speechpad.com 的视频转录
如果您喜欢 Whiteboard Friday 的这一集，您将从我们新发布的 MozCon 2019 视频包中获得的所有尖端谷歌 SEO 知识感到高兴。在 Britney 的演讲中了解更多有用的技术提示，以及来自我们的顶级演讲者的 26 个其他面向未来的主题：
立即参加会议！
我们建议与您的同事安排一次很好的老式知识分享来教育整个团队——毕竟，谁不喜欢学校的电影日呢？😉
