BẮC KINH, 25 tháng 8, 2023 – WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” hoặc “Công ty”), một nhà cung cấp công nghệ Thực tế ảo Tăng cường Hologram (“AR”) hàng đầu thế giới, hôm nay thông báo rằng họ đã phát triển nền tảng thực thi phân tích AutoAIM (Quảng cáo Trí tuệ nhân tạo Tự động), sử dụng lập trình dựa trên thị giác để tổ chức ML (Học máy) một cách trực quan hơn, tạo điều kiện thuận lợi cho việc ứng dụng và hiểu ML trong tiếp thị.

AutoAIM của WiMi thực hiện ML trong tiếp thị bằng cách tạo một kho dữ liệu các dự án thời gian thực và đưa ra các khuyến nghị triển khai ML trong tiếp thị. Trong kho dữ liệu này, người dùng có thể học hỏi, chia sẻ và tái sử dụng các luồng công việc (mã hóa trực quan). Lập trình mô-đun trực quan là một cách tiếp cận lập trình dựa trên đại diện trực quan để mở rộng Học máy (ML) trong lĩnh vực tiếp thị. Nó tổ chức các dự án ML theo cách trực quan thông qua các nút có thể cấu hình. Phương pháp lập trình trực quan của chúng tôi dễ hiểu và sử dụng hơn so với các giao diện mã hóa dựa trên kịch bản truyền thống.

Nền tảng phân tích AutoAIM là một công cụ phần mềm dựa trên lập trình trực quan. Nó cung cấp một giao diện trực quan cho phép người dùng xây dựng và thiết kế các dự án ML bằng cách kéo và kết nối các nút. Các nút này đại diện cho các thành phần chức năng khác nhau như tiền xử lý dữ liệu, trích xuất đặc trưng, lựa chọn mô hình và đánh giá. Người dùng có thể tự do lựa chọn và cấu hình các nút này để xây dựng các luồng công việc của riêng họ theo nhu cầu dự án. Để hỗ trợ các nhu cầu và cách tiếp cận tiếp thị khác nhau, một số khung ML được sử dụng trong AutoAIM. Các khung này bao gồm các phương pháp như học có giám sát, học không giám sát và học sâu. Người dùng có thể chọn khung và thuật toán phù hợp theo yêu cầu dự án của họ.

Về mặt thực thi kỹ thuật, người dùng đầu tiên cần nhập và chuẩn bị dữ liệu tiếp thị của họ. Họ có thể sử dụng các nút tiền xử lý dữ liệu được cung cấp bởi AutoAIM để thực hiện các thao tác như lọc dữ liệu, lựa chọn đặc trưng và chuyển đổi. Tiếp theo, người dùng có thể chọn nút mô hình phù hợp và kết nối nó với nút xử lý dữ liệu. Trong nút mô hình, người dùng có thể cấu hình các tham số và siêu tham số của mô hình, cũng như lựa chọn các tiêu chí đánh giá phù hợp. Sau khi cấu hình luồng công việc, người dùng có thể thực thi dự án ML và quan sát kết quả. AutoAIM cung cấp các công cụ trực quan hóa và biểu đồ để giúp người dùng phân tích và diễn giải đầu ra của mô hình. Người dùng cũng có thể điều chỉnh các nút và tham số trong luồng công việc và tối ưu hóa khi cần thiết.

Với mã hóa khái niệm trực quan và nền tảng phân tích AutoAIM của chúng tôi, người dùng có thể tiếp cận phát triển chương trình tiếp thị một cách trực quan và linh hoạt hơn. Họ có thể nhanh chóng xây dựng và thích ứng các luồng công việc mà không cần phải đi sâu vào ngôn ngữ lập trình cơ bản và các chi tiết thuật toán. Điều này cho phép các nhóm tiếp thị hợp tác, chia sẻ và tái sử dụng các luồng công việc tốt hơn để tăng năng suất và đẩy nhanh quá trình thực hiện và phát triển các ứng dụng tiếp thị.

Công nghệ và logic của nền tảng AutoAIM được thể hiện trong các lĩnh vực sau:

Lập trình trực quan: nền tảng AutoAIM sử dụng cách tiếp cận lập trình dựa trên thị giác để biến đổi các thuật toán và quy trình học máy phức tạp thành các giao diện đồ họa trực quan và chức năng kéo thả. Cách tiếp cận này cho phép các chuyên gia tiếp thị nhanh chóng tạo và triển khai các dự án học máy mà không cần kiến thức sâu rộng về ngôn ngữ lập trình. Người dùng có thể xây dựng các mô hình ML của riêng mình bằng cách kết hợp các mô-đun khác nhau với các thao tác đơn giản, và thực hiện điều chỉnh và tối ưu hóa thời gian thực.

Kho dữ liệu thời gian thực: nền tảng AutoAIM cung cấp một kho dữ liệu thời gian thực với năm mẫu dự án có chú thích. Các dự án này bao gồm nhiều lĩnh vực như khách hàng rời đi, phân tích cảm xúc, phân tích hình ảnh tự động, tối ưu hóa công cụ tìm kiếm và trải nghiệm khách hàng. Người dùng có thể học hỏi và rút ra từ các ví dụ này để hiểu ứng dụng của học máy trong các kịch bản tiếp thị khác nhau, và tùy chỉnh và cải thiện chúng trong các dự án của riêng mình.

Đề xuất triển khai: hơn chỉ là một công cụ để tạo và triển khai các dự án ML, nền tảng AutoAIM cung cấp các đề xuất triển khai mạnh mẽ. Bằng cách phân tích dữ liệu và hiệu suất thuật toán, nền tảng có khả năng cung cấp cho người dùng phản hồi và đề xuất thời gian thực. Những đề xuất này có thể giúp người dùng tối ưu hóa chiến lược tiếp thị của họ và cải thiện độ chính xác và hiệu quả của các mô hình học máy.

Chia sẻ và tái sử dụng luồng công việc: nền tảng AutoAIM cho phép người dùng học hỏi, chia sẻ và tái sử dụng các luồng công việc. Người dùng có thể lưu các luồng công việc mà họ tạo trên nền tảng và chia sẻ chúng với các người dùng khác. Loại chia sẻ kiến thức và hợp tác này thúc đẩy việc học tập và trao đổi giữa các chuyên gia tiếp thị và đẩy nhanh việc ứng dụng và đổi mới học máy trong tiếp thị.

Nền tảng AutoAIM sẽ thúc đẩy đáng kể sự tăng trưởng và đổi mới trong không gian tiếp thị AI. Bằng cách đơn giản hóa quá trình tạo và triển khai các chương trình học máy, nền tảng cho phép nhiều chuyên gia tiếp thị tận dụng công nghệ AI để cải thiện hiệu quả và hiệu suất của các chiến dịch tiếp thị. Theo thời gian, AutoAIM sẽ tiếp tục tối ưu hóa và mở rộng nền tảng của mình để đáp ứng nhu cầu thị trường và tiếp tục dẫn đầu đổi mới trong tiếp thị AI.

Nhóm kỹ thuật của WiMi đã sử dụng các kỹ thuật và thuật toán tiên tiến trong việc phát triển nền tảng AutoAIM. Họ đã kết hợp các phát hiện nghiên cứu mới nhất trong các lĩnh vực h