Developing a virtual agent – DEEP GLUE & using AI algorithms and real-time data stream processing to optimise revenues from products and services in subscription models (Q78719): Difference between revisions
Jump to navigation
Jump to search
(Removed claim: co-financing rate (P837): 74.24 percentage) |
(Changed an Item: Import item from Poland) |
||||||||||
| Property / EU contribution | Property / EU contribution | ||||||||||
| 6,634,399.99 zloty
| ||||||||||
| Property / EU contribution | Property / EU contribution | ||||||||||
| 1,474,827.12 Euro
| ||||||||||
| Property / budget | Property / budget | ||||||||||
| 9,146,207.81 zloty
| ||||||||||
| Property / budget | Property / budget | ||||||||||
| 2,033,202.0 Euro
| ||||||||||
| Property / location (string) | |||||||||||
WOJ.: WIELKOPOLSKIE, POW.: Poznań | |||||||||||
| Property / location (string): WOJ.: WIELKOPOLSKIE, POW.: Poznań / rank | |||||||||||
Normal rank | |||||||||||
| Property / priority axis | |||||||||||
| Property / priority axis: SUPPORT FOR R & D WORK BY ENTERPRISES / rank | |||||||||||
Normal rank | |||||||||||
| Property / co-financing rate | |||||||||||
72.54 percent
| |||||||||||
| Property / co-financing rate: 72.54 percent / rank | |||||||||||
Normal rank | |||||||||||
Revision as of 01:32, 20 October 2022
Project Q78719 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Developing a virtual agent – DEEP GLUE & using AI algorithms and real-time data stream processing to optimise revenues from products and services in subscription models |
Project Q78719 in Poland |
Statements
6,634,399.99 zloty
0 references
9,146,207.81 zloty
0 references
72.54 percent
0 references
8 January 2018
0 references
31 December 2019
0 references
DEEP BI POLAND SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
0 references
52°24'2.2"N, 16°55'11.3"E
0 references
W ramach Projektu zostanie opracowany wirtualny agent - DEEP GLUE – wykorzystujący algorytmy sztucznej inteligencji i przetwarzania strumieni danych w czasie rzeczywistym w celu optymalizacji przychodów z produktów i usług w modelach subskrypcyjnych. Koncepcja planowanej technologii wynika z próby połączenia kilku metod uczenia maszynowego, które sprawdziły się w rozwiązywaniu problemów (vide radykalna poprawa efektywności systemów rekomendacyjnych w serwisach Google Play, LinkedIn czy Criteo uzyskana dzięki połączeniu “uczenia szerokiego” z “uczeniem głębokim”) i zastosowania ich do automatyzacji sprzedaży subskrypcji, gdzie wcześniej nie stosowano tego typu metod. Dodatkowym bodźcem przyjęcia takiego kierunku jest duży spadek kosztu przetwarzania danych big data w czasie rzeczywistym, przy skali danych na jakiej operują wydawcy. Założeniem projektu jest znalezienie optymalnych metod uczenia maszynowego, które będą w sposób opłacalny dawać dodatkowe przychody z subskrypcji dla wydawców. Deep Glue pozwoli uzyskać następujące korzyści dla klientów z niego korzystających: - Wzrost skuteczności o min. 10% liczby pozyskanych subskrypcji oraz użytkowników rejestrujących się w systemie wydawcy względem dotychczas stosowanych rozwiązań przez wydawców. - Wzrost, o min. 10%, wskaźnika CTR (Click-Through Rate) dla hiperłączy selekcjonowanych i prezentowanych użytkownikowi przez system Deep Glue względem narzędzi dotychczas stosowanych przez wydawców - Długoterminowy, mierzony zarówno miarą spędzonego czasu, jak i częstością wizyt w serwisie wydawcy, poziom tzw. zaangażowania (ang. engagement) użytkownika należącego Numer_referencyjny_programu_pomocowego: SA.41471(2015/X) Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). (Polish)
0 references
The Project will develop a virtual agent – DEEP GLUE – using AI algorithms and real-time data stream processing to optimise revenues from products and services in subscription models. The concept of the planned technology stems from an attempt to combine several machine learning methods that have worked well in solving problems (vide radically improving the efficiency of recommendation systems on Google Play, LinkedIn or Criteo achieved through a combination of wide learning ” with “ Deep Teaching) and use them to automate subscription sales where such methods have not been used before. An additional incentive to take this direction is the large decrease in the cost of data processing big data in real time, with the scale of data on which publishers operate. The project’s goal is to find optimal machine learning methods that will cost-effectively give additional subscription revenue to publishers. Deep Glue will provide the following benefits for customers using it: — Increasing effectiveness by at least 10 % of the number of subscriptions obtained and users registering in the publisher system in relation to previous solutions used by publishers. — Increase, by at least 10 %, the CTR (Click-Through Rate) for hyperlinks selected and presented to the user by Deep Glue system in relation to the tools used by publishers – Long-term, measured by both the amount of time spent and the frequency of visits to the publisher’s service, the level of engagement of the user belonging to Numer_reference_aid_programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). (English)
14 October 2020
0 references
Le projet développera un agent virtuel — DEEP GLUE – utilisation d’algorithmes d’IA et de traitement des flux de données en temps réel pour optimiser les revenus des produits et services dans les modèles d’abonnement. Le concept de la technologie planifiée est basé sur une tentative de combiner plusieurs méthodes d’apprentissage automatique qui se sont avérées avoir réussi à résoudre des problèmes (évidemment une amélioration radicale de l’efficacité des systèmes de recommandation dans Google Play, LinkedIn ou Criteo obtenu en combinant “ l’apprentissage d’un vaste ” avec “deep ”) et leur application pour automatiser les ventes d’abonnements lorsque ces méthodes n’ont pas été utilisées auparavant. Une incitation supplémentaire à prendre cette direction est une forte diminution du coût du traitement des mégadonnées en temps réel, avec l’ampleur des données sur lesquelles opèrent les éditeurs. L’objectif du projet est de trouver des méthodes optimales d’apprentissage automatique qui généreront des revenus d’abonnement supplémentaires pour les éditeurs d’une manière rentable. Deep Glue vous permettra d’obtenir les avantages suivants pour les clients qui l’utilisent: — Augmentation de l’efficacité d’au moins 10 % du nombre d’abonnements obtenus et des utilisateurs s’inscrivant dans le système de l’éditeur par rapport aux solutions utilisées par les éditeurs. — Augmenter, d’au moins 10 %, le CTR (Click-Through Rate) pour les hyperliens sélectionnés et présentés à l’utilisateur par Deep Glue par rapport aux outils précédemment utilisés par les éditeurs — Long terme, mesuré à la fois par la mesure du temps passé et la fréquence des visites au service de l’éditeur, le niveau d’engagement de l’utilisateur appartenant au programme Reference_Program_help_: SA.41471(2015/X) But_public_aid: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur en application des articles 107 et 108 du traité (JO URZ. EU L 187/1 du 26.6.2014). (French)
30 November 2021
0 references
Das Projekt wird einen virtuellen Agenten entwickeln – DEEP GLUE – Nutzung von KI-Algorithmen und Echtzeit-Datenstromverarbeitung, um die Einnahmen aus Produkten und Dienstleistungen in Abonnementmodellen zu optimieren. Das Konzept der geplanten Technologie basiert auf dem Versuch, mehrere maschinelle Lernmethoden zu kombinieren, die sich bei der Lösung von Problemen als erfolgreich erwiesen haben (beweis radikale Verbesserung der Wirksamkeit von Empfehlungssystemen in Google Play, LinkedIn oder Criteo durch Kombination von “ Learning a wide” mit “deep ”) und deren Anwendung zur Automatisierung des Abonnementverkaufs, wenn diese Methoden noch nicht verwendet wurden. Ein zusätzlicher Anreiz für diese Richtung ist ein erheblicher Rückgang der Kosten für die Verarbeitung von Big Data in Echtzeit mit dem Umfang der Daten, auf denen Verlage tätig sind. Ziel des Projekts ist es, optimale maschinelle Lernmethoden zu finden, die den Verlagen auf kostenwirksame Weise zusätzliche Abonnementeinnahmen generieren. Deep Glue ermöglicht es Ihnen, die folgenden Vorteile für Kunden zu erhalten, die es verwenden: — Erhöhung der Wirksamkeit um mindestens 10 % der Anzahl der erhaltenen Abonnements und Nutzer, die sich im Verlagssystem registrieren, im Vergleich zu den von den Verlagen verwendeten Lösungen. — Um mindestens 10 % der CTR (Click-Through Rate) für Hyperlinks, die von Deep Glue in Bezug auf die zuvor von Publishern verwendeten Tools ausgewählt und dem Benutzer präsentiert werden, zu erhöhen – Langfristig, gemessen an der Zeitmessung und der Häufigkeit der Besuche beim Verlagsdienst, das Engagement des Benutzers, der dem Reference_Program_help_program_program_program_program_program_program_program_program_help_program_program_program_program_program_program_program_program_program_program_program_program_program_program_program_program_program_program_help_program_program_program_program_program_help_program_program_program_program_program_program_program_program_program_help_program_program_program_program_program_program_program_program_program_program_help_program_program_program_program_program_program_program_program_program_program_help_ SA.41471(2015/X) Zweck_public_aid: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV (ABl. URZ. EU L 187/1 vom 26.6.2014). (German)
7 December 2021
0 references
Het project zal een virtuele agent ontwikkelen — DEEP GLUE – het gebruik van AI-algoritmen en real-time gegevensstroomverwerking om de inkomsten uit producten en diensten in abonnementsmodellen te optimaliseren. Het concept van de geplande technologie is gebaseerd op een poging om verschillende machine learning methoden te combineren die succesvol zijn gebleken in het oplossen van problemen (vide radicale verbetering van de effectiviteit van aanbevelingssystemen in Google Play, LinkedIn of Criteo bereikt door het combineren van “ het leren van een breed” met “deep ”) en hun toepassing om abonnementsverkoop te automatiseren waar deze methoden niet eerder zijn gebruikt. Een extra stimulans om deze richting te volgen is een aanzienlijke daling van de kosten van de verwerking van big data in real time, met de omvang van de gegevens waarop uitgevers opereren. Het doel van het project is om optimale machine learning methoden te vinden die extra abonnementsinkomsten genereren voor uitgevers op een kosteneffectieve manier. Deep Glue zal u toelaten om de volgende voordelen te krijgen voor klanten die het gebruiken: — Verhoging van de doeltreffendheid met ten minste 10 % van het aantal verkregen abonnementen en gebruikers die zich in het systeem van de uitgever registreren ten opzichte van de oplossingen die door uitgevers worden gebruikt. — Verhoging, met ten minste 10 %, van de CTR (Click-Through Rate) voor hyperlinks die door Deep Glue zijn geselecteerd en aan de gebruiker gepresenteerd ten opzichte van de instrumenten die eerder door uitgevers werden gebruikt — Lange termijn, gemeten aan de hand van zowel de mate van doorgebrachte tijd als de frequentie van bezoeken aan de dienst van de uitgever, de mate van betrokkenheid van de gebruiker die deel uitmaakt van het Reference_Program_help_programma: SA.41471(2015/X) Doel_public_aid: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard (PB URZ. EU L 187/1 van 26.6.2014). (Dutch)
16 December 2021
0 references
Il progetto svilupperà un agente virtuale — DEEP GLUE – L'utilizzo di algoritmi di IA e l'elaborazione del flusso di dati in tempo reale per ottimizzare le entrate provenienti da prodotti e servizi in modelli di abbonamento. Il concetto di tecnologia pianificata si basa sul tentativo di combinare diversi metodi di apprendimento automatico che hanno dimostrato di essere riusciti a risolvere i problemi (vide un miglioramento radicale dell'efficacia dei sistemi di raccomandazione in Google Play, LinkedIn o Criteo ottenuto combinando “ imparando un ampio ” con “deep ”) e la loro applicazione per automatizzare le vendite di abbonamento se questi metodi non sono stati utilizzati prima. Un ulteriore incentivo a prendere questa direzione è una notevole diminuzione dei costi di elaborazione dei big data in tempo reale, con la scala dei dati su cui operano gli editori. L'obiettivo del progetto è quello di trovare metodi di apprendimento automatico ottimali che genereranno ulteriori entrate abbonamenti per gli editori in modo economicamente vantaggioso. Deep Glue vi permetterà di ottenere i seguenti vantaggi per i clienti che lo utilizzano: — Aumentare l'efficacia di almeno il 10 % del numero di abbonamenti ottenuti e degli utenti che si registrano nel sistema dell'editore rispetto alle soluzioni utilizzate dagli editori. — Aumento, di almeno il 10 %, del CTR (Click-Through Rate) per i collegamenti ipertestuali selezionati e presentati all'utente da Deep Glue in relazione agli strumenti precedentemente utilizzati dagli editori — a lungo termine, misurati sia dalla misura del tempo trascorso che dalla frequenza delle visite al servizio dell'editore, il livello di coinvolgimento dell'utente appartenente al programma Reference_Program_help_: SA.41471(2015/X) Scopo_pubblico_aiuto: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara alcune categorie di aiuti compatibili con il mercato interno in applicazione degli articoli 107 e 108 del trattato (GU URZ. UE L 187/1 del 26.6.2014). (Italian)
15 January 2022
0 references
El proyecto desarrollará un agente virtual — DEEP GLUE – uso de algoritmos de IA y procesamiento de flujos de datos en tiempo real para optimizar los ingresos de productos y servicios en modelos de suscripción. El concepto de la tecnología planificada se basa en un intento de combinar varios métodos de aprendizaje automático que han demostrado tener éxito en la resolución de problemas (vide una mejora radical en la eficacia de los sistemas de recomendación en Google Play, LinkedIn o Criteo logrado mediante la combinación de “ aprendizaje de una amplia” con “deep ”) y su aplicación para automatizar las ventas de suscripción cuando estos métodos no se han utilizado antes. Un incentivo adicional para tomar esta dirección es una gran disminución en el coste del procesamiento de macrodatos en tiempo real, con la escala de datos en la que operan los editores. El objetivo del proyecto es encontrar métodos óptimos de aprendizaje automático que generen ingresos adicionales por suscripción para los editores de una manera rentable. Deep Glue le permitirá obtener los siguientes beneficios para los clientes que lo utilizan: — Aumentar la eficacia en al menos un 10 % del número de suscripciones obtenidas y de usuarios que se registren en el sistema del editor en comparación con las soluciones utilizadas por los editores. — Aumentar, al menos en un 10 %, el CTR (Click-Through Rate) para los hipervínculos seleccionados y presentados al usuario por Deep Glue en relación con las herramientas utilizadas previamente por los editores — A largo plazo, medidos tanto por la medida del tiempo dedicado como por la frecuencia de las visitas al servicio del editor, el nivel de compromiso del usuario perteneciente al programa Reference_Program_help_program: SA.41471(2015/X) Purpose_public_aid: Artículo 25 del Reglamento (CE) n.º 651/2014, de 17 de junio de 2014, por el que se declaran determinadas categorías de ayudas compatibles con el mercado interior en aplicación de los artículos 107 y 108 del Tratado (DO URZ. EU L 187/1 de 26.6.2014). (Spanish)
19 January 2022
0 references
Projektet vil udvikle en virtuel agent â EUR DEEP GLUE – brug af AI-algoritmer og realtidsbehandling af datastrømme til at optimere indtægter fra produkter og tjenester i abonnementsmodeller. Konceptet med den planlagte teknologi stammer fra et forsøg på at kombinere flere maskinlæringsmetoder, der har fungeret godt i løsningen af problemer (en markant forbedring af effektiviteten af anbefalingssystemer på Google Play, LinkedIn eller Criteo opnået gennem en kombination af bred læring ” med “ Deep Teaching) og bruge dem til at automatisere abonnement salg, hvor sådanne metoder ikke er blevet brugt før. Et yderligere incitament til at gå i denne retning er det store fald i omkostningerne ved databehandling af big data i realtid med omfanget af de data, som udgiverne opererer på. Projektets mål er at finde optimale maskinlæringsmetoder, der omkostningseffektivt vil give yderligere abonnementsindtægter til udgivere. Deep Lim vil give følgende fordele for kunder, der bruger det: âEUR Øge effektiviteten med mindst 10 % af antallet af tilmeldte abonnementer og brugere, der registrerer sig i udgiversystemet i forhold til tidligere løsninger, der anvendes af udgivere. â EUR Øge, med mindst 10 %, CTR (Click-Through Rate) for hyperlinks, der er udvalgt og præsenteret for brugeren af Deep Glue-systemet i forhold til de værktøjer, der anvendes af udgivere âEUR Langsigtet, målt ved både den tid, der bruges, og hyppigheden af besøg i udgiverens tjeneste, graden af engagement hos brugeren, der tilhører Numer_reference_aid_program: SA.41471(2015/X) Formål med offentlig støtte: Artikel 25 i forordning (EF) nr. 651/2014 af 17. juni 2014 om visse former for støttes forenelighed med det indre marked i henhold til traktatens artikel 107 og 108 (EUT L. EU L 187/1 af 26.6.2014). (Danish)
25 July 2022
0 references
Το έργο θα αναπτύξει ένα εικονικό πράκτορα â EUR DEEP GLUE &ndash? χρήση αλγορίθμων ΤΝ και επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο για τη βελτιστοποίηση των εσόδων από προϊόντα και υπηρεσίες σε μοντέλα συνδρομής. Η έννοια της σχεδιασμένης τεχνολογίας πηγάζει από μια προσπάθεια συνδυασμού διαφόρων μεθόδων μηχανικής μάθησης που λειτούργησαν καλά στην επίλυση προβλημάτων (δείχνει τη ριζική βελτίωση της αποτελεσματικότητας των συστημάτων συστάσεων στο Google Play, LinkedIn ή Criteo που επιτυγχάνεται μέσω ενός συνδυασμού ευρείας μάθησης ” με “ Βαθιά Διδασκαλία) και να τα χρησιμοποιήσετε για να αυτοματοποιήσετε τις συνδρομητικές πωλήσεις όταν αυτές οι μέθοδοι δεν έχουν χρησιμοποιηθεί πριν. Ένα πρόσθετο κίνητρο για να ακολουθηθεί αυτή η κατεύθυνση είναι η μεγάλη μείωση του κόστους της επεξεργασίας μαζικών δεδομένων σε πραγματικό χρόνο, με την κλίμακα των δεδομένων στην οποία δραστηριοποιούνται οι εκδότες. Ο στόχος του projectâ EURs είναι να βρει τις βέλτιστες μεθόδους μηχανικής μάθησης που θα δώσει με αποδοτικό τρόπο πρόσθετα έσοδα συνδρομής στους εκδότες. Η βαθιά κόλλα θα παρέχει τα ακόλουθα οφέλη για τους πελάτες που το χρησιμοποιούν: â EUR Αύξηση της αποτελεσματικότητας κατά τουλάχιστον 10 % του αριθμού των συνδρομών που λαμβάνονται και οι χρήστες που εγγράφονται στο σύστημα εκδότη σε σχέση με προηγούμενες λύσεις που χρησιμοποιούνται από τους εκδότες. â EUR Αύξηση, κατά τουλάχιστον 10 %, το CTR (Click-Through Rate) για υπερσυνδέσμους που επιλέγονται και παρουσιάζονται στο χρήστη από το σύστημα Deep Glue σε σχέση με τα εργαλεία που χρησιμοποιούνται από τους εκδότες â EUR Μακροπρόθεσμη, μετρούμενη τόσο από το χρόνο που δαπανάται και τη συχνότητα των επισκέψεων στην υπηρεσία του εκδότη, το επίπεδο συμμετοχής του χρήστη που ανήκει στο πρόγραμμα Numer_reference_aid_: SA.41471(2015/X) Σκοπός της δημόσιας ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων ειδών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης (ΕΕ L. ΕΕ L 187/1 της 26.6.2014). (Greek)
25 July 2022
0 references
Projektom će se razviti virtualni agent â EUR DEEP GLUE – upotreba algoritama umjetne inteligencije i obrade tokova podataka u stvarnom vremenu kako bi se optimizirali prihodi od proizvoda i usluga u modelima pretplate. Koncept planirane tehnologije proizlazi iz pokušaja kombiniranja nekoliko metoda strojnog učenja koje su dobro funkcionirale u rješavanju problema (dokazuju radikalno poboljšanje učinkovitosti sustava preporuka na Google Play, LinkedIn ili Criteo postignute kombinacijom širokog učenja ” s “ Deep Teaching) i koristiti ih za automatizaciju pretplatničke prodaje ako se takve metode prije nisu koristile. Dodatni poticaj za to jest veliko smanjenje troškova obrade velikih podataka u stvarnom vremenu, s opsegom podataka na kojima izdavači djeluju. Cilj projekta je pronaći optimalne metode strojnog učenja koje će na troškovno učinkovit način dati dodatne prihode od pretplate izdavačima. Deep Glue će pružiti sljedeće prednosti za korisnike koji ga koriste: âEUR Povećanje učinkovitosti za najmanje 10 % od broja dobivenih pretplata i korisnika koji se registriraju u sustavu izdavača u odnosu na prethodna rješenja koja koriste izdavači. â EUR Povećanje, za najmanje 10 %, CTR (Kliknite stope) za hiperpoveznice odabrane i predstavljene korisniku putem sustava Deep Glue u odnosu na alate koje koriste izdavači â EUR Dugoročno, mjereno i količinom potrošenog vremena i učestalošću posjeta usluzi izdavača, razina angažmana korisnika koji pripada Numer_reference_aid_programu: SA.41471(2015/X) Svrha javne potpore: Članak 25. Uredbe EZ-a br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih vrsta potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora (SL L. Žao mi je. EU L 187/1 od 26. lipnja 2014.). (Croatian)
25 July 2022
0 references
Proiectul va dezvolta un agent virtual â EUR DEEP GLUE – utilizarea algoritmilor IA și prelucrarea fluxului de date în timp real pentru a optimiza veniturile din produse și servicii în modelele de abonament. Conceptul de tehnologie planificată provine dintr-o încercare de a combina mai multe metode de învățare automată care au funcționat bine în rezolvarea problemelor (a se vedea îmbunătățirea radicală a eficienței sistemelor de recomandare pe Google Play, LinkedIn sau Criteo obținută printr-o combinație de învățare largă ” cu “ Predare profundă) și să le utilizați pentru a automatiza vânzările de abonamente în cazul în care astfel de metode nu au fost utilizate înainte. Un stimulent suplimentar pentru a lua această direcție este scăderea semnificativă a costurilor de prelucrare a datelor în timp real, cu amploarea datelor pe care operează editorii. Scopul proiectului este de a găsi metode optime de învățare automată, care va oferi în mod eficient din punct de vedere al costurilor venituri suplimentare din abonamente editorilor. Deep Glue va oferi următoarele beneficii pentru clienții care îl utilizează: creșterea eficienței cu cel puțin 10 % din numărul de abonamente obținute și a utilizatorilor care se înregistrează în sistemul de editori în raport cu soluțiile anterioare utilizate de editori. Creșterea, cu cel puțin 10 %, a CTR (Click-Through Rate) pentru hyperlink-urile selectate și prezentate utilizatorului de sistemul Deep Glue în raport cu instrumentele utilizate de editori â EUR pe termen lung, măsurată atât prin timpul petrecut, cât și prin frecvența vizitelor la serviciul editorului, nivelul de angajament al utilizatorului care aparține Numer_reference_aid_program: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (UE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor tipuri de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat (JO L. Îmi pare rău. UE L 187/1 din 26.6.2014). (Romanian)
25 July 2022
0 references
Projekt bude rozvíjať virtuálny agent â EUR DEEP GLUE – používanie algoritmov umelej inteligencie a spracovania dátového toku v reálnom čase na optimalizáciu výnosov z produktov a služieb v modeloch predplatného. Koncepcia plánovanej technológie pramení z pokusu o kombináciu niekoľkých metód strojového učenia, ktoré dobre fungovali pri riešení problémov (vidieť radikálne zlepšenie efektívnosti odporúčacích systémov na Google Play, LinkedIn alebo Criteo dosiahnuté kombináciou širokého vzdelávania ” s “ Deep Teaching) a použiť ich na automatizáciu predplatného predaja tam, kde takéto metódy neboli použité predtým. Ďalším stimulom pre tento smer je veľký pokles nákladov na spracovanie veľkých dát v reálnom čase s rozsahom údajov, na ktorých pôsobia vydavatelia. Cieľom projektu je nájsť optimálne metódy strojového učenia, ktoré nákladovo efektívne poskytnú dodatočné príjmy z predplatného vydavateľom. Deep Glue bude poskytovať nasledujúce výhody pre zákazníkov, ktorí ho používajú: â EUR Zvýšenie účinnosti aspoň o 10 % z počtu získaných predplatení a užívateľov, ktorí sa zaregistrovali v systéme vydavateľov vo vzťahu k predchádzajúcim riešeniam používaným vydavateľmi. â EUR Zvýšiť, aspoň o 10 %, CTR (Click-Through Rate) pre hypertextové odkazy vybrané a prezentované užívateľovi systémom Deep Glue vo vzťahu k nástrojom používaným vydavateľmi â EUR Dlhodobé, merané ako množstvo času stráveného a frekvencia návštev služby vydavateľa, úroveň zapojenia užívateľa patriaceho do Numer_reference_aid_programme: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia ES č. 651/2014 zo 17. júna 2014 o vyhlásení určitých druhov pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy (Ú. v. EÚ L. EÚ L 187/1 z 26. júna 2014). (Slovak)
25 July 2022
0 references
Il-proġett se tiżviluppa aġent virtwali â EUR DEEP GLUE – l-użu ta’ algoritmi tal-IA u pproċessar ta’ fluss ta’ data f’ħin reali biex jiġi ottimizzat id-dħul minn prodotti u servizzi f’mudelli ta’ abbonament. Il-kunċett tat-teknoloġija ppjanata jirriżulta minn tentattiv biex jiġu kkombinati diversi metodi ta’ tagħlim awtomatiku li ħadmu tajjeb biex isolvu l-problemi (vide fundamentalment titjib fl-effiċjenza tas-sistemi ta’ rakkomandazzjoni dwar Google Play, LinkedIn jew Criteo miksuba permezz ta’ kombinazzjoni ta’ tagħlim wiesa’ ” bi “ Deep Tagħlim) u jużawhom biex awtomat bejgħ abbonament fejn dawn il-metodi ma ġewx użati qabel. Inċentiv addizzjonali biex tittieħed din id-direzzjoni huwa t-tnaqqis kbir fil-kost tal-ipproċessar tad-data tal-big data f’ħin reali, bl-iskala tad-data li fuqha joperaw il-pubblikaturi. L-għan EUR projectâs huwa li ssib metodi ottimali ta ‘tagħlim magna li se kost-effettiv jagħtu dħul abbonament addizzjonali lill-pubblikaturi. Deep Glue se tipprovdi l-benefiċċji li ġejjin għall-klijenti li jużawha: EUR Żieda effettività mill-inqas 10 % tan-numru ta ‘abbonamenti miksuba u l-utenti jirreġistraw fis-sistema pubblikaturi fir-rigward ta’ soluzzjonijiet preċedenti użati mill-pubblikaturi. â EUR â EUR Żieda, mill-inqas 10 %, il-CTR (Click-Through Rate) għall hyperlinks magħżula u ppreżentati lill-utent minn sistema Deep Glue fir-rigward tal-għodod użati mill-pubblikaturi â EUR â EUR TM Long-term, imkejla kemm mill-ammont ta ‘ħin mgħoddi u l-frekwenza ta’ żjarat lis-servizz pubblikaturi EUR, il-livell ta ‘involviment tal-utent li jappartjenu lill Numer_reference_aid_id_programm_programm_e: SA.41471(2015/X) Għan ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament tal-KE Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara li ċerti tipi ta’ għajnuna huma kompatibbli mas-suq intern fl-applikazzjoni tal-Artikoli 107 u 108 tat-Trattat (ĠU L. I’m sorry. UE L 187/1 tas-26.06.2014). (Maltese)
25 July 2022
0 references
O projeto desenvolverá um agente virtual â EUR DEEP GLUE – usando algoritmos de IA e processamento de fluxo de dados em tempo real para otimizar as receitas de produtos e serviços em modelos de assinatura. O conceito de tecnologia planeada decorre de uma tentativa de combinar vários métodos de aprendizagem automática que funcionaram bem na resolução de problemas (vide melhorar radicalmente a eficiência dos sistemas de recomendação no Google Play, LinkedIn ou Criteo alcançado através de uma combinação de aprendizagem alargada ” com “ Deep Teaching) e usá-los para automatizar as vendas de assinaturas onde tais métodos não foram usados antes. Um incentivo adicional para seguir esta direção é a grande diminuição do custo do processamento de dados grandes dados em tempo real, com a escala de dados em que os editores operam. O objetivo do projeto é encontrar métodos de aprendizado de máquina ideais que ofereçam receita de assinatura adicional aos editores de forma econômica. Deep Glue proporcionará os seguintes benefícios para os clientes que a utilizam: aumento da eficácia em, pelo menos, 10 % do número de assinaturas obtidas e de utilizadores registados no sistema de editores em relação às soluções anteriores utilizadas pelos editores. › Aumentar, pelo menos em 10 %, o CTR (Taxa Click-Through) para hiperligações selecionadas e apresentadas ao utilizador pelo sistema Deep Glue em relação às ferramentas utilizadas pelos editores âEUR Longo prazo, medida tanto pela quantidade de tempo gasto como pela frequência das visitas ao serviço do editor, o nível de envolvimento do utilizador pertencente ao Numer_reference_aid_programa: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.º do Regulamento (UE) n.º 651/2014 do Conselho, de 17 de junho de 2014, que declara certos tipos de auxílios compatíveis com o mercado interno na aplicação dos artigos 107.º e 108.º do Tratado (JO L. EU L 187/1 de 26.6.2014). (Portuguese)
25 July 2022
0 references
Hankkeessa kehitetään virtuaaliagentti â EUR DEEP GLUE – tekoälyalgoritmien ja reaaliaikaisen datavirrankäsittelyn käyttäminen tuotteiden ja palvelujen tuottamien tulojen optimoimiseksi tilausmalleissa. Suunnitellun teknologian käsite perustuu pyrkimykseen yhdistää useita koneoppimismenetelmiä, jotka ovat toimineet hyvin ongelmien ratkaisemisessa (rohkeasti parantamalla Google Playn, LinkedInin tai Criteon suositusjärjestelmien tehokkuutta, joka saavutetaan laajan oppimisen jaamp;rdquon yhdistelmällä; kanssa “ Syväopetus) ja niiden avulla automatisoida tilausmyynti, jos tällaisia menetelmiä ei ole aiemmin käytetty. Lisäkannustimena tähän suuntaan on massadatan reaaliaikaisen käsittelyn kustannusten suuri lasku ja kustantajien toiminnan laajuus. Hankkeen tavoitteena on löytää optimaaliset koneoppimismenetelmät, jotka antavat kustannustehokkaasti lisää tilaustuloja kustantajille. Deep Glue tarjoaa seuraavia etuja asiakkaille, jotka käyttävät sitä: âEUR Tehokkuuden lisääminen vähintään 10 prosentilla saatujen tilausten ja kustantamojärjestelmään rekisteröityneiden käyttäjien lukumäärästä suhteessa kustantajien aiempiin ratkaisuihin. â EUR Lisää vähintään 10 % Deep Glue -järjestelmän käyttäjälle valitsemien ja esittämien hyperlinkkien CTR (Click-Through Rate) suhteessa kustantajien käyttämiin työkaluihin, mitattuna sekä käytetyn ajan määrällä että kustantajan palvelussa käyntien tiheydellä, Numer_reference_aid_ programme:hen kuuluvan käyttäjän sitoutumisasteella: SA.41471(2015/X) Julkisen tuen tarkoitus: Tietyntyyppisten tukien toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17. kesäkuuta 2014 annetun asetuksen (EU) N:o 651/2014 25 artikla (EUVL L., s. (EU L 187/1, 26.6.2014). (Finnish)
25 July 2022
0 references
Projekt bo razvil virtualni agent â EUR DEEP GLUE – uporaba algoritmov umetne inteligence in obdelave toka podatkov v realnem času za optimizacijo prihodkov od izdelkov in storitev v naročniških modelih. Koncept načrtovane tehnologije izhaja iz poskusa združevanja več metod strojnega učenja, ki so dobro delovale pri reševanju problemov (vidno radikalno izboljšanje učinkovitosti sistemov priporočil v storitvi Google Play, LinkedIn ali Criteo, doseženega s kombinacijo širokega učenja & amp;rdquo; z “ Globoko poučevanje) in jih uporabite za avtomatizacijo naročniške prodaje, kjer takšne metode še niso bile uporabljene. Dodatna spodbuda za to je veliko zmanjšanje stroškov obdelave velepodatkov v realnem času z obsegom podatkov, na podlagi katerih založniki delujejo. Cilj projekta je najti optimalne metode strojnega učenja, ki bodo stroškovno učinkovito dale dodatne prihodke od naročnine založnikom. Globoko lepilo bo strankam, ki ga uporabljajo, prineslo naslednje prednosti: povečanje učinkovitosti za vsaj 10 % števila prejetih naročnin in uporabnikov, ki se registrirajo v sistemu založnikov v primerjavi s prejšnjimi rešitvami, ki jih uporabljajo založniki. â EUR Povečanje, za vsaj 10 %, CTR (Click-Through Rate) za hiperpovezave izbran in predstavljen uporabniku z Deep Glue sistem v zvezi z orodji, ki jih založniki uporabljajo â EUR Long-term, merjeno tako s količino porabljenega časa in pogostosti obiskov založnika storitev EUR, raven sodelovanja uporabnika, ki pripada Numer_reference_aid_program: SA.41471(2015/X) Namen državne pomoči: Člen 25 Uredbe ES št. 651/2014 z dne 17. junija 2014 o razglasitvi nekaterih vrst pomoči za združljive z notranjim trgom pri uporabi členov 107 in 108 Pogodbe (UL L. EU L 187/1 z dne 26. junija 2014). (Slovenian)
25 July 2022
0 references
Projekt vytvoří virtuálního agenta â EUR DEEP GLUE – využití algoritmů umělé inteligence a zpracování datových toků v reálném čase k optimalizaci výnosů z produktů a služeb v modelech předplatného. Koncepce plánované technologie vychází z pokusu kombinovat několik metod strojového učení, které dobře fungovaly při řešení problémů (zaznamenávají radikální zlepšení účinnosti systémů doporučení na Google Play, LinkedIn nebo Criteo dosažené kombinací širokého učení ” s “ Hluboké učení) a používat je k automatizaci prodeje předplatného, pokud tyto metody nebyly použity dříve. Další pobídkou k přijetí tohoto směru je velký pokles nákladů na zpracování dat velkého objemu v reálném čase s rozsahem dat, na nichž vydavatelé působí. Cílem projektu je najít optimální metody strojového učení, které budou nákladově efektivním způsobem poskytovat další příjmy z předplatného vydavatelům. Deep Glue poskytne zákazníkům, kteří jej používají, následující výhody: â EUR Zvýšení účinnosti alespoň o 10 % počtu získaných předplatnéch a uživatelů, kteří se registrují v systému vydavatelů ve vztahu k předchozím řešením používaným vydavateli. â EUR Zvýšení, alespoň o 10 %, CTR (Click-Through Rate) pro hypertextové odkazy vybrané a předložené uživateli systémem Deep Glue ve vztahu k nástrojům používaným vydavateli â EUR Dlouhodobý, měřený jak podle množství času stráveného, tak podle četnosti návštěv služby vydavatele, úrovně zapojení uživatele patřícího do Numer_reference_aid_program: SA.41471(2015/X) Účel veřejné podpory: Článek 25 nařízení ES č. 651/2014 ze dne 17. června 2014, kterým se v souladu s články 107 a 108 Smlouvy prohlašují určité druhy podpory za slučitelné s vnitřním trhem (Úř. věst. L. EU L 187/1 ze dne 26. června 2014. (Czech)
25 July 2022
0 references
Projektas sukurs virtualų agentą â EUR DEEP GLUE – naudojant dirbtinio intelekto algoritmus ir realaus laiko duomenų srauto apdorojimą, siekiant optimizuoti pajamas iš produktų ir paslaugų prenumeratos modeliuose. Planuojamos technologijos koncepcija kyla iš bandymo sujungti keletą mašininio mokymosi metodų, kurie gerai dirbo sprendžiant problemas (iš esmės pagerinti rekomendacinių sistemų efektyvumą „Google Play“, „LinkedIn“ ar „Criteo“, pasiektą derinant platų mokymąsi ” su “ Gilus mokymas) ir juos naudoti automatizuojant prenumeratos pardavimus, kai tokie metodai anksčiau nebuvo naudojami. Papildoma paskata žengti šia linkme yra didelis didelių duomenų apdorojimo realiuoju laiku išlaidų sumažėjimas, atsižvelgiant į duomenų, kuriais užsiima leidėjai, mastą. Projekto tikslas yra rasti optimalius mašinų mokymosi metodus, kurie rentabiliai suteiks papildomų prenumeratos pajamų leidėjams. Giliai klijai suteiks tokią naudą klientams, naudojant jį: â EUR Didinant efektyvumą bent 10 % iš prenumeratos gautų ir vartotojų registracijos į leidėjo sistemą skaičių, palyginti su ankstesniais sprendimais, naudojamų leidėjų. â EUR Padidinti, bent 10 %, CTR (Click-Through Rate) hipersaitus pasirinktas ir pateiktas vartotojui Deep Glue sistema, atsižvelgiant į įrankių, naudojamų leidėjų â EUR Ilgalaikis, matuojamas tiek praleisto laiko sumos ir apsilankymų leidėjo paslaugos dažnumo, įsitraukimo vartotojo, priklausančio Numer_reference_aid_programos lygis: SA.41471(2015/X) Viešosios pagalbos tikslas: 2014 m. birželio 17 d. EB reglamento Nr. 651/2014, skelbiančio tam tikrų rūšių pagalbą suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis (OL L. 2014 m. birželio 26 d. ES L 187/1). (Lithuanian)
25 July 2022
0 references
Projekts izstrādās virtuālo aģentu â EUR DEEP GLUE – izmantojot mākslīgā intelekta algoritmus un reāllaika datu plūsmas apstrādi, lai optimizētu ieņēmumus no produktiem un pakalpojumiem abonēšanas modeļos. Plānotās tehnoloģijas koncepcija izriet no mēģinājuma apvienot vairākas mašīnmācīšanās metodes, kas ir darbojušās labi problēmu risināšanā (radīt radikāli uzlabojot ieteikumu sistēmu efektivitāti Google Play, LinkedIn vai Criteo, kas panākts, apvienojot plašu mācīšanos ” ar “ Dziļā mācīšana) un izmantot tos, lai automatizētu abonēšanas pārdošanu, ja šādas metodes nav izmantotas iepriekš. Papildu stimuls rīkoties šajā virzienā ir lielais lielo datu apstrādes izmaksu samazinājums reāllaikā ar datu apjomu, uz kura izdevēji darbojas. Projekta mērķis ir atrast optimālas mašīnmācīšanās metodes, kas rentabli dos papildu abonēšanas ieņēmumus izdevējiem. Deep Līme sniegs šādus ieguvumus klientiem, kas to izmanto: â EUR Efektivitātes palielināšana par vismaz 10 % no abonementu skaita, kas iegūti un lietotāji reģistrējas izdevēju sistēmā salīdzinājumā ar iepriekšējiem izdevēju izmantotajiem risinājumiem. â EUR Palieliniet, vismaz par 10 %, CTR (Click-Through Rate) par hipersaitēm, kas atlasītas un iesniegtas lietotājam ar Deep Glue sistēmu saistībā ar izdevēju izmantotajiem rīkiem ilgtermiņā, mērot gan pēc pavadītā laika, gan pēc izdevēja pakalpojuma apmeklējumu biežuma, lietotāja iesaistes līmenis, kas pieder pie Numer_reference_aid_programme: SA.41471(2015/X) Publiskā atbalsta mērķis: EK 2014. gada 17. jūnija Regulas Nr. 651/2014, ar ko noteiktus atbalsta veidus atzīst par saderīgiem ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu (OV L., 25. pants). EU L 187/1, 26.6.2014.). (Latvian)
25 July 2022
0 references
Проектът ще разработи виртуален агент â EUR DEEP GLUE – използване на алгоритми с ИИ и обработка на потоци от данни в реално време, за да се оптимизират приходите от продукти и услуги в абонаментни модели. Концепцията за планираната технология произтича от опит за комбиниране на няколко метода за машинно самообучение, които са работили добре при решаването на проблеми (очевидно подобряване на ефективността на системите за препоръки в Google Play, LinkedIn или Criteo, постигнато чрез комбинация от широко обучение и амп;rdquo; с “ Дълбоко преподаване) и да ги използвате за автоматизиране на абонаментните продажби, когато такива методи не са били използвани преди това. Допълнителен стимул да се поеме тази посока е голямото намаляване на разходите за обработка на големи информационни масиви в реално време с мащаба на данните, върху които работят издателите. Целта на проекта е да се намерят оптимални методи за машинно самообучение, които рентабилно ще дадат допълнителни приходи от абонамент за издателите. Deep Glue ще осигури следните ползи за клиентите, които го използват: â EUR Повишаване на ефективността с най-малко 10 % от броя на получените абонаменти и потребителите, които се регистрират в системата на издателите във връзка с предишни решения, използвани от издателите. â EUR Увеличете, с най-малко 10 %, CTR (Click-Through Rate) за хипервръзки, избрани и представени на потребителя от Deep Glue система във връзка с инструментите, използвани от издателите â EUR Дългосрочно, измерено както чрез размера на времето, прекарано и честотата на посещенията на издателската услуга, нивото на ангажираност на потребителя, принадлежащ към Numer_reference_aid_ program: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕС) № 651/2014 на Съвета от 17 юни 2014 г. за обявяване на някои видове помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора (ОВ L., стр. 1). ЕС L 187/1 от 26.6.2014 г.). (Bulgarian)
25 July 2022
0 references
A projekt a DEEP GLUE &ndash virtuális ügynököt fejleszti ki; mesterségesintelligencia-algoritmusok és valós idejű adatfolyam-feldolgozás használata a termékekből és szolgáltatásokból származó bevételek optimalizálása érdekében az előfizetési modellekben. A tervezett technológia koncepciója több olyan gépi tanulási módszer kombinálására irányuló kísérletből ered, amelyek jól beváltak a problémák megoldásában (a Google Play, LinkedIn vagy Criteo ajánlási rendszereinek a széles körű tanulás &rdquo kombinációjával elért hatékonyságának radikális javítása; a “ Mélyoktatás) és használja őket az előfizetéses értékesítés automatizálására, amennyiben ezeket a módszereket korábban nem használták. További ösztönzést jelent a nagy adathalmazok valós idejű feldolgozásával kapcsolatos költségek nagymértékű csökkenése a kiadók által használt adatok nagyságrendjével. A projekt célja, hogy megtalálja az optimális gépi tanulási módszereket, amelyek költséghatékonyan további előfizetési bevételt biztosítanak a kiadóknak. A Deep Glue a következő előnyöket nyújtja a használó ügyfelek számára: a kiadók által használt korábbi megoldásokhoz képest a hatékonyság növelése a kapott előfizetések és a kiadói rendszerben regisztrált felhasználók számának legalább 10%-ával. â EUR â EUR 10%-kal növelje a CTR-t (Click-Through Rate) a Deep Glue rendszer által kiválasztott és a felhasználónak bemutatott hiperlinkek esetében a kiadók által használt eszközökkel kapcsolatban, amelyet mind az elköltött idő, mind a kiadó szolgálatának gyakorisága, a Numer_reference_aid_programme-hez tartozó felhasználó szerepvállalásának szintje mér: SA.41471(2015/X) Állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos típusú támogatásoknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet (HL L., 2014. június 17.) 25. cikke. EU L 187/1, 2014.6.26.). (Hungarian)
25 July 2022
0 references
Beidh an Tionscadal a fhorbairt gníomhaire fíorúil â EUR â EUR DEEP GLUE – algartaim IS agus próiseáil srutha sonraí fíor-ama a úsáid chun an t-ioncam ó tháirgí agus ó sheirbhísí a bharrfheabhsú i samhlacha síntiúis. Eascraíonn coincheap na teicneolaíochta atá beartaithe as iarracht roinnt modhanna meaisínfhoghlama a d’oibrigh go maith chun fadhbanna a réiteach a chomhcheangal (feabhas ó bhonn ar éifeachtúlacht na gcóras moltaí ar Google Play, LinkedIn nó Criteo a baineadh amach trí mheascán d’fhoghlaim leathan ” le “ Deep Teaching) agus iad a úsáid chun díolacháin síntiús a uathoibriú i gcás nár úsáideadh modhanna den sórt sin roimhe seo. Dreasacht bhreise chun an treo seo a ghlacadh is ea an laghdú mór ar chostas na mórshonraí a phróiseáil i bhfíor-am, agus scála na sonraí ar a n-oibríonn foilsitheoirí. Is é an sprioc projectâ EURs chun teacht ar mhodhanna meaisín foghlama is fearr is féidir a thabhairt ó thaobh costais ioncam síntiús breise d’fhoilsitheoirí. Cuirfidh Deep Glue na buntáistí seo a leanas ar fáil do chustaiméirí a úsáideann é: méadú ar éifeachtacht ag ar a laghad 10 % de líon na síntiús a fhaightear agus úsáideoirí a chlárú sa chóras foilsitheoir i ndáil le réitigh roimhe sin a úsáideann foilsitheoirí. â EUR â EUR Méadú, ag ar a laghad 10 %, an CTR (Click-trí Ráta) do hipearnasc roghnaithe agus curtha i láthair don úsáideoir ag Deep Glue córas i ndáil leis na huirlisí a úsáideann foilsitheoirí â EUR Fadtéarmach, arna thomhas ag an méid ama a chaitear agus minicíocht na gcuairteanna ar an tseirbhís foilsitheoireachta, an leibhéal rannpháirtíochta an úsáideora a bhaineann le Numer_reference_aid_aid_programme: SA.41471(2015/X) Cuspóir na cabhrach poiblí: Airteagal 25 de Rialachán CE Uimh. 651/2014 an 17 Meitheamh 2014 ina ndearbhaítear go bhfuil cineálacha áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagal 107 agus Airteagal 108 den Chonradh (IO L. Is oth liom. AE L 187/1 an 26.6.2014). (Irish)
25 July 2022
0 references
Projektet kommer att utveckla en virtuell agent â EUR DEEP GLUE – använda AI-algoritmer och realtidsbehandling av dataströmmar för att optimera intäkterna från produkter och tjänster i prenumerationsmodeller. Konceptet med den planerade tekniken härrör från ett försök att kombinera flera maskininlärningsmetoder som har fungerat bra för att lösa problem (bevisa radikalt förbättra effektiviteten i rekommendationssystem på Google Play, LinkedIn eller Criteo uppnås genom en kombination av brett lärande ” med “ Deep Teaching) och använda dem för att automatisera prenumerationsförsäljning där sådana metoder inte har använts tidigare. Ett ytterligare incitament att ta denna riktning är den stora minskningen av kostnaderna för databehandling av stordata i realtid, med omfattningen av de data som förlagen verkar på. Projektets mål är att hitta optimala maskininlärningsmetoder som kostnadseffektivt ger extra prenumerationsintäkter till förlag. Deep Glue kommer att ge följande fördelar för kunder som använder det: â EUR Öka effektiviteten med minst 10 % av antalet erhållna prenumerationer och användare som registrerar sig i förlagssystemet i förhållande till tidigare lösningar som används av förläggare. â EUR Öka, med minst 10 %, CTR (Click-Through Rate) för hyperlänkar som valts ut och presenterats för användaren av Deep Glue-systemet i förhållande till de verktyg som används av förlaget â EUR Långsiktigt, mätt i både den tid som spenderas och frekvensen av besök till förlagstjänsten, graden av engagemang hos användaren som tillhör Numer_reference_aid_programme: SA.41471(2015/X) Syftet med det offentliga stödet: Artikel 25 i förordning (EU) nr 651/2014 av den 17 juni 2014 genom vilken vissa typer av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget (EUT L. EU L 187/1 av den 26 juni 2014). (Swedish)
25 July 2022
0 references
Projekti raames töötatakse välja virtuaalne agent – DEEP GLUE – tehisintellekti algoritmide ja reaalajas andmevoogude töötlemise kasutamine, et optimeerida toodetest ja teenustest saadavat tulu tellimismudelites. Kavandatud tehnoloogia kontseptsioon tuleneb katsest kombineerida mitmeid masinõppe meetodeid, mis on probleemide lahendamisel hästi toiminud (suurendades radikaalselt soovitussüsteemide tõhusust Google Play, LinkedIni või Criteo kohta, mis saavutatakse laia õppe ” “ Sügav Õpetamine) ja kasutada neid automatiseerida tellimusmüüki, kui selliseid meetodeid ei ole varem kasutatud. Täiendav stiimul selles suunas liikumiseks on suur andmetöötluskulude vähenemine reaalajas, kus kirjastajad tegutsevad. Projekti eesmärk on leida optimaalsed masinõppe meetodid, mis kulutõhusalt annavad kirjastajatele täiendavat tellimistulu. Sügav liim pakub klientidele, kes seda kasutavad, järgmisi eeliseid: tõhususe suurendamine vähemalt 10 % võrra avaldajate süsteemis registreerunud tellimuste arvust võrreldes kirjastajate poolt varem kasutatud lahendustega. Suurendada vähemalt 10 % võrra CTR-i (Click-Through Rate) hüperlinkide puhul, mis on valitud ja kasutajale esitatud Deep Glue süsteemi poolt, võrreldes kirjastajate kasutatavate tööriistadega, mõõdetuna nii kulutatud aja kui ka kirjastaja teenuse külastamise sagedusega, Numer_reference_aid_programme kuuluva kasutaja kaasamise tasemega: SA.41471(2015/X) Riigiabi eesmärk: EÜ 17. juuni 2014. aasta määruse (EL) nr 651/2014 (ELi toimimise lepingu artiklite 107 ja 108 kohaldamise kohta, millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 (ELT L. EL L 187/1, 26.6.2014). (Estonian)
25 July 2022
0 references
WOJ.: WIELKOPOLSKIE, POW.: Poznań
0 references
Identifiers
POIR.01.01.01-00-1352/17
0 references