HuaRenCa
Back to Forum
Community

Hat KI großen Einfluss auf traditionelle Such-, Werbe- und Empfehlungssysteme?

淡淡阳光味
淡淡阳光味

1 week ago

Also dieses ganze Thema Feature Engineering, das Extrahieren von Merkmalssignalen, das Trainieren von Modellen und das Bereitstellen von Online-/Offline-Empfehlungssignalen.

Ich habe das Gefühl, dass klassische CRUD-Frontend- und Backend-Entwicklung definitiv komplett tot ist. Als ich mit jemandem über diese Such-, Werbe- und Empfehlungssysteme sprach, meinte die Person, man brauche Inspiration, um die passenden Signale zu finden. Stimmt das wirklich? Oder sind es einfach die massiven Fähigkeiten der KI, die Wunder vollbringen?

7
1.9K

Comments (7)

Your avatar
Sign in to comment
jackmolik
jackmolik1 week ago

Zunächst muss geklärt werden, ob sich „Auswirkung“ auf den Abbau von Stellen oder auf Veränderungen der Arbeitsinhalte bezieht – die Schlussfolgerung fällt dann völlig unterschiedlich aus.

jyh0426
jyh04261 week ago

Der Teil zum Feature Engineering wurde zwar tatsächlich zusammengestrichen, aber die technischen Randbedingungen – Online-Offline-Konsistenz, Latenzbudget, Cold Start – sind nach wie vor da, und selbst das stärkste Modell braucht jemanden, der im Zweifel einspringt. Das sogenannte „auf Inspiration setzen“ ist eher eine erfahrungsbasierte Einschätzung, bei begrenzten Signalen Prioritäten zu setzen; das steht nicht im Widerspruch zu „mit roher Gewalt zum Erfolg“, das sind zwei verschiedene Dinge.

overseaservice
overseaservice1 week ago

Was genau meinst du mit den traditionellen Bereichen Suche, Werbung und Empfehlung – welche Art von Szenario? Bei E-Commerce und Content-Distribution unterscheiden sich die Signalquellen stark, daher wäre eine Ergänzung sinnvoll, bevor ich eine Einschätzung abgebe.

nex4d
nex4d1 week ago

Kurzfristig sinken die Kosten nicht unbedingt – der Rechenaufwand für die Anpassung des Modells und das Neutraining könnte sogar höher sein.

jia
jia1 week ago

Was tatsächlich ersetzt wird, sind repetitive Parameterabstimmung und manuell geschriebene Features – Geschäftsverständnis und Zieldefinition bleiben weiterhin knapp. Doch in Szenarien mit schlechter Datenqualität und spärlichem Feedback erzielt auch KI kaum stabile Erträge.

dalong
dalong1 week ago

Die Nachfrage nach dieser Art von Stellen kann bei großen inländischen Unternehmen und bei kleineren und mittleren Teams im Ausland ganz unterschiedlich verlaufen – das lässt sich nicht pauschal sagen.

liujibran
liujibran1 week ago

Beim Go-live sind Feature-Backfilling und die Abstimmung mit historischen Daten die größten Stolperfallen – unterschätzen Sie den Aufwand dafür nicht.