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
(Changed label, description and/or aliases in 2 languages: Changing unique label-description pair) |
(Changed label, description and/or aliases in pt) |
||||||||||||||
| (17 intermediate revisions by 2 users not shown) | |||||||||||||||
| label / fr | label / fr | ||||||||||||||
Développement d’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 | |||||||||||||||
| label / de | label / de | ||||||||||||||
Entwicklung eines virtuellen Agenten – DEEP GLUE – Einsatz von KI-Algorithmen und Echtzeitdatenstromverarbeitung zur Optimierung des Umsatzes aus Produkten und Dienstleistungen in Abonnementmodellen | |||||||||||||||
| label / nl | label / nl | ||||||||||||||
Ontwikkeling van een virtuele agent — DEEP GLUE – met behulp van AI-algoritmen en realtime gegevensverwerking om de inkomsten uit producten en diensten in abonnementsmodellen te optimaliseren | |||||||||||||||
| label / it | label / it | ||||||||||||||
Sviluppo di un agente virtuale — DEEP GLUE – L'utilizzo di algoritmi di intelligenza artificiale e l'elaborazione in tempo reale del flusso di dati per ottimizzare i ricavi da prodotti e servizi nei modelli di abbonamento | |||||||||||||||
| label / es | label / es | ||||||||||||||
Desarrollo de un agente virtual — DEEP GLUE – uso de algoritmos de IA y procesamiento de flujo de datos en tiempo real para optimizar los ingresos de productos y servicios en modelos de suscripción | |||||||||||||||
| label / da | label / da | ||||||||||||||
Udvikling af en virtuel agent — DEEP GLUE – brug af AI-algoritmer og datastrømsbehandling i realtid for at optimere indtægterne fra produkter og tjenester i abonnementsmodeller | |||||||||||||||
| label / el | label / el | ||||||||||||||
Ανάπτυξη εικονικού παράγοντα — DEEP GLUE &ndash χρήση αλγορίθμων τεχνητής νοημοσύνης και επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο για τη βελτιστοποίηση των εσόδων από προϊόντα και υπηρεσίες σε συνδρομητικά μοντέλα | |||||||||||||||
| label / hr | label / hr | ||||||||||||||
Razvoj virtualnog agenta – DEEP GLUE – upotreba algoritama umjetne inteligencije i obrada tokova podataka u stvarnom vremenu za optimizaciju prihoda od proizvoda i usluga u modelima pretplate | |||||||||||||||
| label / ro | label / ro | ||||||||||||||
Dezvoltarea unui agent virtual – DEEP GLUE – utilizarea algoritmilor AI și procesarea fluxului de date în timp real pentru a optimiza veniturile din produse și servicii în modelele de abonamente | |||||||||||||||
| label / sk | label / sk | ||||||||||||||
Vývoj virtuálneho agenta – DEEP GLUE – používanie algoritmov umelej inteligencie a spracovania toku dát v reálnom čase na optimalizáciu príjmov z produktov a služieb v modeloch predplatného | |||||||||||||||
| label / mt | label / mt | ||||||||||||||
Żvilupp ta’ aġent virtwali — DEEP GLUE – l-użu ta’ algoritmi tal-IA u l-ipproċessar tal-fluss tad-data f’ħin reali biex jiġi ottimizzat id-dħul minn prodotti u servizzi f’mudelli ta’ abbonament | |||||||||||||||
| label / pt | label / pt | ||||||||||||||
Desenvolver um agente virtual – DEEP GLUE & utilizando algoritmos de IA e processamento de fluxos de dados em tempo real para otimizar as receitas de produtos e serviços em modelos de subscrição | |||||||||||||||
| label / fi | label / fi | ||||||||||||||
Virtuaalisen agentin kehittäminen – DEEP GLUE – tekoälyalgoritmeja ja reaaliaikaista datavirran käsittelyä optimoimaan tuotteiden ja palveluiden tuotot tilausmalleissa | |||||||||||||||
| label / sl | label / sl | ||||||||||||||
Razvoj virtualnega agenta – DEEP GLUE – uporaba algoritmov umetne inteligence in obdelave podatkov v realnem času za optimizacijo prihodkov od izdelkov in storitev v modelih naročnin | |||||||||||||||
| label / cs | label / cs | ||||||||||||||
Vývoj virtuálního agenta – DEEP GLUE – využití algoritmů umělé inteligence a zpracování datových toků v reálném čase k optimalizaci výnosů z produktů a služeb v modelech předplatného | |||||||||||||||
| label / lt | label / lt | ||||||||||||||
Virtualaus agento kūrimas – DEEP GLUE – naudojant DI algoritmus ir realaus laiko duomenų srauto apdorojimą, siekiant optimizuoti pajamas iš produktų ir paslaugų prenumeratos modeliuose | |||||||||||||||
| label / lv | label / lv | ||||||||||||||
Virtuālā aģenta izstrāde — DEEP GLUE – mākslīgā intelekta algoritmu un reāllaika datu plūsmas apstrādes izmantošana, lai optimizētu ieņēmumus no produktiem un pakalpojumiem abonēšanas modeļos | |||||||||||||||
| label / bg | label / bg | ||||||||||||||
Разработване на виртуален агент — DEEP GLUE – използване на алгоритми за изкуствен интелект и обработка на потоци от данни в реално време, за да се оптимизират приходите от продукти и услуги в абонаментните модели | |||||||||||||||
| label / hu | label / hu | ||||||||||||||
Virtuális ügynök fejlesztése – DEEP GLUE – AI algoritmusok és valós idejű adatfolyam-feldolgozás használata a termékekből és szolgáltatásokból származó bevételek optimalizálása előfizetési modellekben | |||||||||||||||
| label / ga | label / ga | ||||||||||||||
Gníomhaire fíorúil a fhorbairt — DEEP GLUE – algartaim intleachta saorga agus próiseáil srutha sonraí fíor-ama a úsáid chun an t-ioncam ó tháirgí agus ó sheirbhísí a bharrfheabhsú i samhlacha síntiúis | |||||||||||||||
| label / sv | label / sv | ||||||||||||||
Utveckling av en virtuell agent – DEEP GLUE – använda AI-algoritmer och dataflödesbehandling i realtid för att optimera intäkterna från produkter och tjänster i prenumerationsmodeller | |||||||||||||||
| label / et | label / et | ||||||||||||||
Virtuaalse agendi arendamine – DEEP GLUE – tehisintellekti algoritmide ja reaalajas andmevoogude töötlemise kasutamine, et optimeerida toodetest ja teenustest saadavat tulu tellimismudelites | |||||||||||||||
| description / bg | description / bg | ||||||||||||||
Проект Q78719 в Полша | |||||||||||||||
| description / hr | description / hr | ||||||||||||||
Projekt Q78719 u Poljskoj | |||||||||||||||
| description / hu | description / hu | ||||||||||||||
Projekt Q78719 Lengyelországban | |||||||||||||||
| description / cs | description / cs | ||||||||||||||
Projekt Q78719 v Polsku | |||||||||||||||
| description / da | description / da | ||||||||||||||
Projekt Q78719 i Polen | |||||||||||||||
| description / nl | description / nl | ||||||||||||||
Project Q78719 in Polen | |||||||||||||||
| description / et | description / et | ||||||||||||||
Projekt Q78719 Poolas | |||||||||||||||
| description / fi | description / fi | ||||||||||||||
Projekti Q78719 Puolassa | |||||||||||||||
| description / fr | description / fr | ||||||||||||||
Projet Q78719 en Pologne | |||||||||||||||
| description / de | description / de | ||||||||||||||
Projekt Q78719 in Polen | |||||||||||||||
| description / el | description / el | ||||||||||||||
Έργο Q78719 στην Πολωνία | |||||||||||||||
| description / ga | description / ga | ||||||||||||||
Tionscadal Q78719 sa Pholainn | |||||||||||||||
| description / it | description / it | ||||||||||||||
Progetto Q78719 in Polonia | |||||||||||||||
| description / lv | description / lv | ||||||||||||||
Projekts Q78719 Polijā | |||||||||||||||
| description / lt | description / lt | ||||||||||||||
Projektas Q78719 Lenkijoje | |||||||||||||||
| description / mt | description / mt | ||||||||||||||
Proġett Q78719 fil-Polonja | |||||||||||||||
| description / pt | description / pt | ||||||||||||||
Projeto Q78719 na Polônia | |||||||||||||||
| description / ro | description / ro | ||||||||||||||
Proiectul Q78719 în Polonia | |||||||||||||||
| description / sk | description / sk | ||||||||||||||
Projekt Q78719 v Poľsku | |||||||||||||||
| description / sl | description / sl | ||||||||||||||
Projekt Q78719 na Poljskem | |||||||||||||||
| description / es | description / es | ||||||||||||||
Proyecto Q78719 en Polonia | |||||||||||||||
| description / sv | description / sv | ||||||||||||||
Projekt Q78719 i Polen | |||||||||||||||
| 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 / co-financing rate | |||||||||||||||
| |||||||||||||||
| Property / co-financing rate: 74.24 percent / rank | |||||||||||||||
| Property / end time | |||||||||||||||
| |||||||||||||||
| Property / end time: 31 December 2019 / rank | |||||||||||||||
| Property / beneficiary name (string) | |||||||||||||||
| Property / beneficiary name (string): DEEP BI POLAND SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ / rank | |||||||||||||||
| Property / summary: 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) / qualifier | |||||||||||||||
readability score: 0.5640447436955228
| |||||||||||||||
| Property / coordinate location: 52°24'2.2"N, 16°55'11.3"E / qualifier | |||||||||||||||
| Property / financed by | |||||||||||||||
| Property / financed by: Directorate-General for Regional and Urban Policy / rank | |||||||||||||||
| Property / beneficiary | |||||||||||||||
| Property / beneficiary: Q2510613 / rank | |||||||||||||||
| Property / contained in NUTS: Miasto Poznań / qualifier | |||||||||||||||
| Property / contained in Local Administrative Unit | |||||||||||||||
| Property / contained in Local Administrative Unit: Poznań / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / contained in Local Administrative Unit: Poznań / qualifier | |||||||||||||||
| Property / summary | |||||||||||||||
Le projet développera un agent virtuel — DEEP GLUE – utilisation d’algorithmes d’intelligence artificielle 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 découle d’une tentative de combiner plusieurs méthodes d’apprentissage automatique qui ont travaillé à résoudre des problèmes (ce qui apporte une amélioration radicale de l’efficacité des systèmes de recommandation sur Google Play, LinkedIn ou Criteo obtenu grâce à une combinaison de larges apprentissages; avec l’apprentissage profond et leur application pour automatiser la vente d’abonnements, lorsque de telles méthodes n’ont pas été utilisées auparavant. Un stimulant supplémentaire pour adopter une telle direction est une forte diminution du coût du traitement des mégadonnées en temps réel, à l’échelle des données sur lesquelles opèrent les éditeurs. L’objectif du projet est de trouver des méthodes d’apprentissage automatique optimales qui généreront des revenus d’abonnement supplémentaires pour les éditeurs de manière rentable. Deep Glue vous permettra d’obtenir les avantages suivants pour les clients qui l’utilisent: — Une augmentation de l’efficacité d’au moins 10 % du nombre d’abonnements acquis et d’utilisateurs inscrits dans le système de l’éditeur par rapport aux solutions précédemment utilisées par les éditeurs. — Une augmentation d’au moins 10 % de l’indicateur CTR (Click-Through Rate) pour les hyperliens sélectionnés et présentés à l’utilisateur par le système 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 sur le site web de l’éditeur, le niveau d’engagement de l’utilisateur appartenant au programme Number_reference_help_: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). (French) | |||||||||||||||
| Property / summary: Le projet développera un agent virtuel — DEEP GLUE – utilisation d’algorithmes d’intelligence artificielle 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 découle d’une tentative de combiner plusieurs méthodes d’apprentissage automatique qui ont travaillé à résoudre des problèmes (ce qui apporte une amélioration radicale de l’efficacité des systèmes de recommandation sur Google Play, LinkedIn ou Criteo obtenu grâce à une combinaison de larges apprentissages; avec l’apprentissage profond et leur application pour automatiser la vente d’abonnements, lorsque de telles méthodes n’ont pas été utilisées auparavant. Un stimulant supplémentaire pour adopter une telle direction est une forte diminution du coût du traitement des mégadonnées en temps réel, à l’échelle des données sur lesquelles opèrent les éditeurs. L’objectif du projet est de trouver des méthodes d’apprentissage automatique optimales qui généreront des revenus d’abonnement supplémentaires pour les éditeurs de manière rentable. Deep Glue vous permettra d’obtenir les avantages suivants pour les clients qui l’utilisent: — Une augmentation de l’efficacité d’au moins 10 % du nombre d’abonnements acquis et d’utilisateurs inscrits dans le système de l’éditeur par rapport aux solutions précédemment utilisées par les éditeurs. — Une augmentation d’au moins 10 % de l’indicateur CTR (Click-Through Rate) pour les hyperliens sélectionnés et présentés à l’utilisateur par le système 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 sur le site web de l’éditeur, le niveau d’engagement de l’utilisateur appartenant au programme Number_reference_help_: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). (French) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Le projet développera un agent virtuel — DEEP GLUE – utilisation d’algorithmes d’intelligence artificielle 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 découle d’une tentative de combiner plusieurs méthodes d’apprentissage automatique qui ont travaillé à résoudre des problèmes (ce qui apporte une amélioration radicale de l’efficacité des systèmes de recommandation sur Google Play, LinkedIn ou Criteo obtenu grâce à une combinaison de larges apprentissages; avec l’apprentissage profond et leur application pour automatiser la vente d’abonnements, lorsque de telles méthodes n’ont pas été utilisées auparavant. Un stimulant supplémentaire pour adopter une telle direction est une forte diminution du coût du traitement des mégadonnées en temps réel, à l’échelle des données sur lesquelles opèrent les éditeurs. L’objectif du projet est de trouver des méthodes d’apprentissage automatique optimales qui généreront des revenus d’abonnement supplémentaires pour les éditeurs de manière rentable. Deep Glue vous permettra d’obtenir les avantages suivants pour les clients qui l’utilisent: — Une augmentation de l’efficacité d’au moins 10 % du nombre d’abonnements acquis et d’utilisateurs inscrits dans le système de l’éditeur par rapport aux solutions précédemment utilisées par les éditeurs. — Une augmentation d’au moins 10 % de l’indicateur CTR (Click-Through Rate) pour les hyperliens sélectionnés et présentés à l’utilisateur par le système 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 sur le site web de l’éditeur, le niveau d’engagement de l’utilisateur appartenant au programme Number_reference_help_: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). (French) / qualifier | |||||||||||||||
point in time: 30 November 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Das Projekt wird einen virtuellen Agenten entwickeln – DEEP GLUE – Einsatz künstlicher Intelligenz Algorithmen und Echtzeit-Datenstromverarbeitung zur Optimierung des Umsatzes aus Produkten und Dienstleistungen in Abonnementmodellen. Das Konzept der geplanten Technologie beruht auf dem Versuch, mehrere Methoden des maschinellen Lernens zu kombinieren, die an der Lösung von Problemen gearbeitet haben (z. B. eine radikale Verbesserung der Wirksamkeit der Empfehlungssysteme bei Google Play, LinkedIn oder Criteo, die durch eine Kombination aus breitem Lernen erzielt wurden; mit Deep Learning und deren Anwendung, um den Verkauf von Abonnements zu automatisieren, wenn solche Methoden bisher nicht verwendet wurden. Ein zusätzlicher Anreiz, eine solche Richtung zu übernehmen, ist ein erheblicher Rückgang der Kosten für die Verarbeitung von Big Data in Echtzeit auf dem Umfang der Daten, auf denen Publisher tätig sind. Ziel des Projekts ist es, optimale Methoden des maschinellen Lernens zu finden, die auf kosteneffiziente Weise zusätzliche Abonnementeinnahmen für Verlage generieren. Deep Glue ermöglicht es Ihnen, die folgenden Vorteile für Kunden zu erhalten, die es verwenden: — Eine Steigerung der Effizienz um mindestens 10 % der Anzahl der erworbenen Abonnements und Nutzer, die sich im Verlagssystem registrieren, verglichen mit den zuvor verwendeten Lösungen von Publishern. — Eine Erhöhung des CTR-Indikators (Click-Through Rate) um mindestens 10 % für Hyperlinks, die vom Deep Glue-System ausgewählt und dem Benutzer in Bezug auf zuvor von Verlagen verwendete Tools präsentiert werden – Langfristig, gemessen sowohl an der Zeitmessung als auch an der Häufigkeit der Besuche auf der Website des Herausgebers, dem Grad der Einbindung des Benutzers, der zum Programm Number_reference_help_ gehört: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: 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 Das war’s. EU L 187/1 vom 26.6.2014). (German) | |||||||||||||||
| Property / summary: Das Projekt wird einen virtuellen Agenten entwickeln – DEEP GLUE – Einsatz künstlicher Intelligenz Algorithmen und Echtzeit-Datenstromverarbeitung zur Optimierung des Umsatzes aus Produkten und Dienstleistungen in Abonnementmodellen. Das Konzept der geplanten Technologie beruht auf dem Versuch, mehrere Methoden des maschinellen Lernens zu kombinieren, die an der Lösung von Problemen gearbeitet haben (z. B. eine radikale Verbesserung der Wirksamkeit der Empfehlungssysteme bei Google Play, LinkedIn oder Criteo, die durch eine Kombination aus breitem Lernen erzielt wurden; mit Deep Learning und deren Anwendung, um den Verkauf von Abonnements zu automatisieren, wenn solche Methoden bisher nicht verwendet wurden. Ein zusätzlicher Anreiz, eine solche Richtung zu übernehmen, ist ein erheblicher Rückgang der Kosten für die Verarbeitung von Big Data in Echtzeit auf dem Umfang der Daten, auf denen Publisher tätig sind. Ziel des Projekts ist es, optimale Methoden des maschinellen Lernens zu finden, die auf kosteneffiziente Weise zusätzliche Abonnementeinnahmen für Verlage generieren. Deep Glue ermöglicht es Ihnen, die folgenden Vorteile für Kunden zu erhalten, die es verwenden: — Eine Steigerung der Effizienz um mindestens 10 % der Anzahl der erworbenen Abonnements und Nutzer, die sich im Verlagssystem registrieren, verglichen mit den zuvor verwendeten Lösungen von Publishern. — Eine Erhöhung des CTR-Indikators (Click-Through Rate) um mindestens 10 % für Hyperlinks, die vom Deep Glue-System ausgewählt und dem Benutzer in Bezug auf zuvor von Verlagen verwendete Tools präsentiert werden – Langfristig, gemessen sowohl an der Zeitmessung als auch an der Häufigkeit der Besuche auf der Website des Herausgebers, dem Grad der Einbindung des Benutzers, der zum Programm Number_reference_help_ gehört: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: 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 Das war’s. EU L 187/1 vom 26.6.2014). (German) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Das Projekt wird einen virtuellen Agenten entwickeln – DEEP GLUE – Einsatz künstlicher Intelligenz Algorithmen und Echtzeit-Datenstromverarbeitung zur Optimierung des Umsatzes aus Produkten und Dienstleistungen in Abonnementmodellen. Das Konzept der geplanten Technologie beruht auf dem Versuch, mehrere Methoden des maschinellen Lernens zu kombinieren, die an der Lösung von Problemen gearbeitet haben (z. B. eine radikale Verbesserung der Wirksamkeit der Empfehlungssysteme bei Google Play, LinkedIn oder Criteo, die durch eine Kombination aus breitem Lernen erzielt wurden; mit Deep Learning und deren Anwendung, um den Verkauf von Abonnements zu automatisieren, wenn solche Methoden bisher nicht verwendet wurden. Ein zusätzlicher Anreiz, eine solche Richtung zu übernehmen, ist ein erheblicher Rückgang der Kosten für die Verarbeitung von Big Data in Echtzeit auf dem Umfang der Daten, auf denen Publisher tätig sind. Ziel des Projekts ist es, optimale Methoden des maschinellen Lernens zu finden, die auf kosteneffiziente Weise zusätzliche Abonnementeinnahmen für Verlage generieren. Deep Glue ermöglicht es Ihnen, die folgenden Vorteile für Kunden zu erhalten, die es verwenden: — Eine Steigerung der Effizienz um mindestens 10 % der Anzahl der erworbenen Abonnements und Nutzer, die sich im Verlagssystem registrieren, verglichen mit den zuvor verwendeten Lösungen von Publishern. — Eine Erhöhung des CTR-Indikators (Click-Through Rate) um mindestens 10 % für Hyperlinks, die vom Deep Glue-System ausgewählt und dem Benutzer in Bezug auf zuvor von Verlagen verwendete Tools präsentiert werden – Langfristig, gemessen sowohl an der Zeitmessung als auch an der Häufigkeit der Besuche auf der Website des Herausgebers, dem Grad der Einbindung des Benutzers, der zum Programm Number_reference_help_ gehört: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: 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 Das war’s. EU L 187/1 vom 26.6.2014). (German) / qualifier | |||||||||||||||
point in time: 7 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Het project zal een virtuele agent ontwikkelen — DEEP GLUE – met behulp van kunstmatige intelligentie algoritmen en real-time datastream processing om de inkomsten uit producten en diensten in abonnementsmodellen te optimaliseren. Het concept van de geplande technologie komt voort uit een poging om verschillende machine learning-methoden te combineren die hebben gewerkt om problemen op te lossen (vide een radicale verbetering in de effectiviteit van aanbevelingssystemen op Google Play, LinkedIn of Criteo verkregen door een combinatie van breed leren; met deep learning en toepassing ervan om de verkoop van abonnementen te automatiseren, waar dergelijke methoden niet eerder zijn gebruikt. Een extra stimulans om een dergelijke richting aan te nemen is een grote daling van de kosten van de verwerking van big data in real time, op de schaal van de gegevens waarop uitgevers actief zijn. Het doel van het project is om optimale machine learning methoden te vinden die op een kosteneffectieve manier extra abonnementsinkomsten voor uitgevers genereren. Deep Glue stelt u in staat om de volgende voordelen te krijgen voor klanten die het gebruiken: — Een verhoging van de efficiëntie met ten minste 10 % van het aantal verworven abonnementen en gebruikers die zich in het systeem van de uitgever registreren ten opzichte van de eerder gebruikte oplossingen door uitgevers. — Een verhoging met ten minste 10 % van de CTR-indicator (Click-Through Rate) voor hyperlinks die door het Deep Glue-systeem aan de gebruiker zijn geselecteerd en gepresenteerd met betrekking tot instrumenten die eerder door uitgevers werden gebruikt — Langdurig, gemeten aan de hand van zowel de hoeveelheid tijd die wordt besteed als de frequentie van bezoeken aan de website van de uitgever, de mate van betrokkenheid van de gebruiker die tot het Number_reference_help_programma behoort: SA.41471(2015/X) Doel van de overheidssteun: 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 Dat is het. EU L 187/1 van 26.6.2014). (Dutch) | |||||||||||||||
| Property / summary: Het project zal een virtuele agent ontwikkelen — DEEP GLUE – met behulp van kunstmatige intelligentie algoritmen en real-time datastream processing om de inkomsten uit producten en diensten in abonnementsmodellen te optimaliseren. Het concept van de geplande technologie komt voort uit een poging om verschillende machine learning-methoden te combineren die hebben gewerkt om problemen op te lossen (vide een radicale verbetering in de effectiviteit van aanbevelingssystemen op Google Play, LinkedIn of Criteo verkregen door een combinatie van breed leren; met deep learning en toepassing ervan om de verkoop van abonnementen te automatiseren, waar dergelijke methoden niet eerder zijn gebruikt. Een extra stimulans om een dergelijke richting aan te nemen is een grote daling van de kosten van de verwerking van big data in real time, op de schaal van de gegevens waarop uitgevers actief zijn. Het doel van het project is om optimale machine learning methoden te vinden die op een kosteneffectieve manier extra abonnementsinkomsten voor uitgevers genereren. Deep Glue stelt u in staat om de volgende voordelen te krijgen voor klanten die het gebruiken: — Een verhoging van de efficiëntie met ten minste 10 % van het aantal verworven abonnementen en gebruikers die zich in het systeem van de uitgever registreren ten opzichte van de eerder gebruikte oplossingen door uitgevers. — Een verhoging met ten minste 10 % van de CTR-indicator (Click-Through Rate) voor hyperlinks die door het Deep Glue-systeem aan de gebruiker zijn geselecteerd en gepresenteerd met betrekking tot instrumenten die eerder door uitgevers werden gebruikt — Langdurig, gemeten aan de hand van zowel de hoeveelheid tijd die wordt besteed als de frequentie van bezoeken aan de website van de uitgever, de mate van betrokkenheid van de gebruiker die tot het Number_reference_help_programma behoort: SA.41471(2015/X) Doel van de overheidssteun: 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 Dat is het. EU L 187/1 van 26.6.2014). (Dutch) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Het project zal een virtuele agent ontwikkelen — DEEP GLUE – met behulp van kunstmatige intelligentie algoritmen en real-time datastream processing om de inkomsten uit producten en diensten in abonnementsmodellen te optimaliseren. Het concept van de geplande technologie komt voort uit een poging om verschillende machine learning-methoden te combineren die hebben gewerkt om problemen op te lossen (vide een radicale verbetering in de effectiviteit van aanbevelingssystemen op Google Play, LinkedIn of Criteo verkregen door een combinatie van breed leren; met deep learning en toepassing ervan om de verkoop van abonnementen te automatiseren, waar dergelijke methoden niet eerder zijn gebruikt. Een extra stimulans om een dergelijke richting aan te nemen is een grote daling van de kosten van de verwerking van big data in real time, op de schaal van de gegevens waarop uitgevers actief zijn. Het doel van het project is om optimale machine learning methoden te vinden die op een kosteneffectieve manier extra abonnementsinkomsten voor uitgevers genereren. Deep Glue stelt u in staat om de volgende voordelen te krijgen voor klanten die het gebruiken: — Een verhoging van de efficiëntie met ten minste 10 % van het aantal verworven abonnementen en gebruikers die zich in het systeem van de uitgever registreren ten opzichte van de eerder gebruikte oplossingen door uitgevers. — Een verhoging met ten minste 10 % van de CTR-indicator (Click-Through Rate) voor hyperlinks die door het Deep Glue-systeem aan de gebruiker zijn geselecteerd en gepresenteerd met betrekking tot instrumenten die eerder door uitgevers werden gebruikt — Langdurig, gemeten aan de hand van zowel de hoeveelheid tijd die wordt besteed als de frequentie van bezoeken aan de website van de uitgever, de mate van betrokkenheid van de gebruiker die tot het Number_reference_help_programma behoort: SA.41471(2015/X) Doel van de overheidssteun: 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 Dat is het. EU L 187/1 van 26.6.2014). (Dutch) / qualifier | |||||||||||||||
point in time: 16 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Il progetto svilupperà un agente virtuale — DEEP GLUE – utilizzando algoritmi di intelligenza artificiale e l'elaborazione in tempo reale del flusso di dati per ottimizzare i ricavi da prodotti e servizi nei modelli di abbonamento. Il concetto di tecnologia pianificata nasce dal tentativo di combinare diversi metodi di apprendimento automatico che hanno lavorato per risolvere i problemi (visto un radicale miglioramento dell'efficacia dei sistemi di raccomandazione su Google Play, LinkedIn o Criteo ottenuti attraverso una combinazione di ampio apprendimento; con deep learning e applicandoli per automatizzare la vendita di abbonamenti, dove tali metodi non sono stati utilizzati in precedenza. Un ulteriore stimolo ad adottare una tale direzione è una forte diminuzione del costo di elaborazione dei big data in tempo reale, sulla scala dei dati su cui operano gli editori. L'obiettivo del progetto è quello di trovare metodi di machine learning ottimali che genereranno ulteriori entrate in abbonamento per gli editori in modo conveniente. Deep Glue ti permetterà di ottenere i seguenti vantaggi per i clienti che lo utilizzano: — Un aumento dell'efficienza di almeno il 10 % del numero di abbonamenti acquisiti e di utenti che si registrano nel sistema dell'editore rispetto alle soluzioni utilizzate in precedenza dagli editori. — Un aumento di almeno il 10 % dell'indicatore CTR (Click-Through Rate) per collegamenti ipertestuali selezionati e presentati all'utente dal sistema Deep Glue in relazione agli strumenti precedentemente utilizzati dagli editori — Lungo termine, misurato sia dalla misura del tempo trascorso che dalla frequenza delle visite al sito web dell'editore, il livello di coinvolgimento dell'utente appartenente al programma Number_reference_help_help_: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). (Italian) | |||||||||||||||
| Property / summary: Il progetto svilupperà un agente virtuale — DEEP GLUE – utilizzando algoritmi di intelligenza artificiale e l'elaborazione in tempo reale del flusso di dati per ottimizzare i ricavi da prodotti e servizi nei modelli di abbonamento. Il concetto di tecnologia pianificata nasce dal tentativo di combinare diversi metodi di apprendimento automatico che hanno lavorato per risolvere i problemi (visto un radicale miglioramento dell'efficacia dei sistemi di raccomandazione su Google Play, LinkedIn o Criteo ottenuti attraverso una combinazione di ampio apprendimento; con deep learning e applicandoli per automatizzare la vendita di abbonamenti, dove tali metodi non sono stati utilizzati in precedenza. Un ulteriore stimolo ad adottare una tale direzione è una forte diminuzione del costo di elaborazione dei big data in tempo reale, sulla scala dei dati su cui operano gli editori. L'obiettivo del progetto è quello di trovare metodi di machine learning ottimali che genereranno ulteriori entrate in abbonamento per gli editori in modo conveniente. Deep Glue ti permetterà di ottenere i seguenti vantaggi per i clienti che lo utilizzano: — Un aumento dell'efficienza di almeno il 10 % del numero di abbonamenti acquisiti e di utenti che si registrano nel sistema dell'editore rispetto alle soluzioni utilizzate in precedenza dagli editori. — Un aumento di almeno il 10 % dell'indicatore CTR (Click-Through Rate) per collegamenti ipertestuali selezionati e presentati all'utente dal sistema Deep Glue in relazione agli strumenti precedentemente utilizzati dagli editori — Lungo termine, misurato sia dalla misura del tempo trascorso che dalla frequenza delle visite al sito web dell'editore, il livello di coinvolgimento dell'utente appartenente al programma Number_reference_help_help_: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). (Italian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Il progetto svilupperà un agente virtuale — DEEP GLUE – utilizzando algoritmi di intelligenza artificiale e l'elaborazione in tempo reale del flusso di dati per ottimizzare i ricavi da prodotti e servizi nei modelli di abbonamento. Il concetto di tecnologia pianificata nasce dal tentativo di combinare diversi metodi di apprendimento automatico che hanno lavorato per risolvere i problemi (visto un radicale miglioramento dell'efficacia dei sistemi di raccomandazione su Google Play, LinkedIn o Criteo ottenuti attraverso una combinazione di ampio apprendimento; con deep learning e applicandoli per automatizzare la vendita di abbonamenti, dove tali metodi non sono stati utilizzati in precedenza. Un ulteriore stimolo ad adottare una tale direzione è una forte diminuzione del costo di elaborazione dei big data in tempo reale, sulla scala dei dati su cui operano gli editori. L'obiettivo del progetto è quello di trovare metodi di machine learning ottimali che genereranno ulteriori entrate in abbonamento per gli editori in modo conveniente. Deep Glue ti permetterà di ottenere i seguenti vantaggi per i clienti che lo utilizzano: — Un aumento dell'efficienza di almeno il 10 % del numero di abbonamenti acquisiti e di utenti che si registrano nel sistema dell'editore rispetto alle soluzioni utilizzate in precedenza dagli editori. — Un aumento di almeno il 10 % dell'indicatore CTR (Click-Through Rate) per collegamenti ipertestuali selezionati e presentati all'utente dal sistema Deep Glue in relazione agli strumenti precedentemente utilizzati dagli editori — Lungo termine, misurato sia dalla misura del tempo trascorso che dalla frequenza delle visite al sito web dell'editore, il livello di coinvolgimento dell'utente appartenente al programma Number_reference_help_help_: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). (Italian) / qualifier | |||||||||||||||
point in time: 15 January 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
El proyecto desarrollará un agente virtual — DEEP GLUE – uso de algoritmos de inteligencia artificial y procesamiento de flujo de datos en tiempo real para optimizar los ingresos de productos y servicios en modelos de suscripción. El concepto de la tecnología planificada se deriva de un intento de combinar varios métodos de aprendizaje automático que han funcionado para resolver problemas (vivo una mejora radical en la eficacia de los sistemas de recomendación en Google Play, LinkedIn o Criteo obtenido a través de una combinación de amplio aprendizaje; con aprendizaje profundo y aplicándolos para automatizar la venta de suscripciones, donde dichos métodos no se han utilizado previamente. Un estímulo adicional para adoptar tal dirección es una gran disminución en el costo del procesamiento de big data en tiempo real, a la escala de los datos en los 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: — Un aumento de la eficiencia en al menos un 10 % del número de suscripciones adquiridas y usuarios que se registran en el sistema del editor en comparación con las soluciones utilizadas anteriormente por los editores. — Un incremento de al menos el 10 % del indicador CTR (Click-Through Rate) para hipervínculos seleccionados y presentados al usuario por el sistema Deep Glue en relación con herramientas utilizadas previamente por los editores — A largo plazo, medido tanto por la medida del tiempo empleado como por la frecuencia de visitas al sitio web del editor, el nivel de participación del usuario perteneciente al programa Number_reference_help_programme: SA.41471(2015/X) Objetivo de la ayuda pública: 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 la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). (Spanish) | |||||||||||||||
| Property / summary: El proyecto desarrollará un agente virtual — DEEP GLUE – uso de algoritmos de inteligencia artificial y procesamiento de flujo de datos en tiempo real para optimizar los ingresos de productos y servicios en modelos de suscripción. El concepto de la tecnología planificada se deriva de un intento de combinar varios métodos de aprendizaje automático que han funcionado para resolver problemas (vivo una mejora radical en la eficacia de los sistemas de recomendación en Google Play, LinkedIn o Criteo obtenido a través de una combinación de amplio aprendizaje; con aprendizaje profundo y aplicándolos para automatizar la venta de suscripciones, donde dichos métodos no se han utilizado previamente. Un estímulo adicional para adoptar tal dirección es una gran disminución en el costo del procesamiento de big data en tiempo real, a la escala de los datos en los 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: — Un aumento de la eficiencia en al menos un 10 % del número de suscripciones adquiridas y usuarios que se registran en el sistema del editor en comparación con las soluciones utilizadas anteriormente por los editores. — Un incremento de al menos el 10 % del indicador CTR (Click-Through Rate) para hipervínculos seleccionados y presentados al usuario por el sistema Deep Glue en relación con herramientas utilizadas previamente por los editores — A largo plazo, medido tanto por la medida del tiempo empleado como por la frecuencia de visitas al sitio web del editor, el nivel de participación del usuario perteneciente al programa Number_reference_help_programme: SA.41471(2015/X) Objetivo de la ayuda pública: 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 la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). (Spanish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: El proyecto desarrollará un agente virtual — DEEP GLUE – uso de algoritmos de inteligencia artificial y procesamiento de flujo de datos en tiempo real para optimizar los ingresos de productos y servicios en modelos de suscripción. El concepto de la tecnología planificada se deriva de un intento de combinar varios métodos de aprendizaje automático que han funcionado para resolver problemas (vivo una mejora radical en la eficacia de los sistemas de recomendación en Google Play, LinkedIn o Criteo obtenido a través de una combinación de amplio aprendizaje; con aprendizaje profundo y aplicándolos para automatizar la venta de suscripciones, donde dichos métodos no se han utilizado previamente. Un estímulo adicional para adoptar tal dirección es una gran disminución en el costo del procesamiento de big data en tiempo real, a la escala de los datos en los 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: — Un aumento de la eficiencia en al menos un 10 % del número de suscripciones adquiridas y usuarios que se registran en el sistema del editor en comparación con las soluciones utilizadas anteriormente por los editores. — Un incremento de al menos el 10 % del indicador CTR (Click-Through Rate) para hipervínculos seleccionados y presentados al usuario por el sistema Deep Glue en relación con herramientas utilizadas previamente por los editores — A largo plazo, medido tanto por la medida del tiempo empleado como por la frecuencia de visitas al sitio web del editor, el nivel de participación del usuario perteneciente al programa Number_reference_help_programme: SA.41471(2015/X) Objetivo de la ayuda pública: 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 la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). (Spanish) / qualifier | |||||||||||||||
point in time: 19 January 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projektet vil udvikle en virtuel agent — DEEP GLUE – brug af algoritmer til kunstig intelligens og datastrømsbehandling i realtid for at optimere indtægterne fra produkter og tjenester i abonnementsmodeller. Konceptet med den planlagte teknologi stammer fra et forsøg på at kombinere flere maskinlæringsmetoder, der har arbejdet for at løse problemer (en radikal forbedring af effektiviteten af anbefalingssystemer på Google Play, LinkedIn eller Criteo opnået gennem en kombination af bred læring; med dyb læring og anvendelse af dem til at automatisere salget af abonnementer, hvor sådanne metoder ikke tidligere er blevet anvendt. En yderligere stimulans for at vedtage en sådan retning er et stort fald i omkostningerne ved at behandle big data i realtid i forhold til omfanget af de data, som udgiverne opererer på. Formålet med projektet er at finde optimale maskinlæringsmetoder, der vil generere yderligere abonnementsindtægter for udgivere på en omkostningseffektiv måde. Deep Glue vil give dig mulighed for at få følgende fordele for kunder, der bruger det: — En forøgelse af effektiviteten på mindst 10 % af antallet af erhvervede abonnementer og brugere, der registrerer sig i udgiverens system, sammenlignet med udgivernes tidligere anvendte løsninger. — En stigning på mindst 10 % af CTR-indikatoren (Click-Through Rate) for hyperlinks, der er udvalgt og præsenteret for brugeren af Deep Glue-systemet i forhold til værktøjer, der tidligere anvendes af udgivere — Lang sigt målt både ved måling af brugt tid og hyppigheden af besøg på udgiverens websted, graden af engagement hos den bruger, der tilhører Number_reference_help_programmet: 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 Det er det. EU L 187/1 af 26.6.2014). (Danish) | |||||||||||||||
| Property / summary: Projektet vil udvikle en virtuel agent — DEEP GLUE – brug af algoritmer til kunstig intelligens og datastrømsbehandling i realtid for at optimere indtægterne fra produkter og tjenester i abonnementsmodeller. Konceptet med den planlagte teknologi stammer fra et forsøg på at kombinere flere maskinlæringsmetoder, der har arbejdet for at løse problemer (en radikal forbedring af effektiviteten af anbefalingssystemer på Google Play, LinkedIn eller Criteo opnået gennem en kombination af bred læring; med dyb læring og anvendelse af dem til at automatisere salget af abonnementer, hvor sådanne metoder ikke tidligere er blevet anvendt. En yderligere stimulans for at vedtage en sådan retning er et stort fald i omkostningerne ved at behandle big data i realtid i forhold til omfanget af de data, som udgiverne opererer på. Formålet med projektet er at finde optimale maskinlæringsmetoder, der vil generere yderligere abonnementsindtægter for udgivere på en omkostningseffektiv måde. Deep Glue vil give dig mulighed for at få følgende fordele for kunder, der bruger det: — En forøgelse af effektiviteten på mindst 10 % af antallet af erhvervede abonnementer og brugere, der registrerer sig i udgiverens system, sammenlignet med udgivernes tidligere anvendte løsninger. — En stigning på mindst 10 % af CTR-indikatoren (Click-Through Rate) for hyperlinks, der er udvalgt og præsenteret for brugeren af Deep Glue-systemet i forhold til værktøjer, der tidligere anvendes af udgivere — Lang sigt målt både ved måling af brugt tid og hyppigheden af besøg på udgiverens websted, graden af engagement hos den bruger, der tilhører Number_reference_help_programmet: 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 Det er det. EU L 187/1 af 26.6.2014). (Danish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projektet vil udvikle en virtuel agent — DEEP GLUE – brug af algoritmer til kunstig intelligens og datastrømsbehandling i realtid for at optimere indtægterne fra produkter og tjenester i abonnementsmodeller. Konceptet med den planlagte teknologi stammer fra et forsøg på at kombinere flere maskinlæringsmetoder, der har arbejdet for at løse problemer (en radikal forbedring af effektiviteten af anbefalingssystemer på Google Play, LinkedIn eller Criteo opnået gennem en kombination af bred læring; med dyb læring og anvendelse af dem til at automatisere salget af abonnementer, hvor sådanne metoder ikke tidligere er blevet anvendt. En yderligere stimulans for at vedtage en sådan retning er et stort fald i omkostningerne ved at behandle big data i realtid i forhold til omfanget af de data, som udgiverne opererer på. Formålet med projektet er at finde optimale maskinlæringsmetoder, der vil generere yderligere abonnementsindtægter for udgivere på en omkostningseffektiv måde. Deep Glue vil give dig mulighed for at få følgende fordele for kunder, der bruger det: — En forøgelse af effektiviteten på mindst 10 % af antallet af erhvervede abonnementer og brugere, der registrerer sig i udgiverens system, sammenlignet med udgivernes tidligere anvendte løsninger. — En stigning på mindst 10 % af CTR-indikatoren (Click-Through Rate) for hyperlinks, der er udvalgt og præsenteret for brugeren af Deep Glue-systemet i forhold til værktøjer, der tidligere anvendes af udgivere — Lang sigt målt både ved måling af brugt tid og hyppigheden af besøg på udgiverens websted, graden af engagement hos den bruger, der tilhører Number_reference_help_programmet: 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 Det er det. EU L 187/1 af 26.6.2014). (Danish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Το έργο θα αναπτύξει έναν εικονικό πράκτορα — DEEP GLUE &ndash· χρήση αλγορίθμων τεχνητής νοημοσύνης και επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο για τη βελτιστοποίηση των εσόδων από προϊόντα και υπηρεσίες σε συνδρομητικά μοντέλα. Η έννοια της σχεδιαζόμενης τεχνολογίας απορρέει από μια προσπάθεια συνδυασμού διαφόρων μεθόδων μηχανικής μάθησης που έχουν εργαστεί για την επίλυση προβλημάτων (αποδεικνύεται μια ριζική βελτίωση της αποτελεσματικότητας των συστημάτων συστάσεων στο Google Play, στο LinkedIn ή στο Criteo που αποκτήθηκαν μέσω ενός συνδυασμού ευρείας μάθησης· με βαθιά μάθηση και εφαρμογή τους για την αυτοματοποίηση της πώλησης συνδρομών, όπου τέτοιες μέθοδοι δεν έχουν χρησιμοποιηθεί προηγουμένως. Ένα πρόσθετο κίνητρο για την υιοθέτηση μιας τέτοιας κατεύθυνσης είναι η μεγάλη μείωση του κόστους επεξεργασίας μεγάλων δεδομένων σε πραγματικό χρόνο, στην κλίμακα των δεδομένων στην οποία λειτουργούν οι εκδότες. Στόχος του έργου είναι η εξεύρεση βέλτιστων μεθόδων μηχανικής μάθησης που θα δημιουργήσουν πρόσθετα έσοδα συνδρομής για τους εκδότες με οικονομικά αποδοτικό τρόπο. Βαθιά κόλλα θα σας επιτρέψει να πάρετε τα ακόλουθα οφέλη για τους πελάτες που το χρησιμοποιούν: — Αύξηση της αποτελεσματικότητας κατά τουλάχιστον 10 % του αριθμού των συνδρομών που αποκτήθηκαν και των χρηστών που εγγράφηκαν στο σύστημα του εκδότη σε σύγκριση με τις λύσεις που χρησιμοποιούσαν προηγουμένως οι εκδότες. — Αύξηση τουλάχιστον 10 % του δείκτη CTR (Click-Through Rate) για τους υπερσυνδέσμους που επιλέγονται και παρουσιάζονται στον χρήστη από το σύστημα Deep Glue σε σχέση με τα εργαλεία που χρησιμοποιούν προηγουμένως οι εκδότες — Μακροπρόθεσμα, μετρούμενα τόσο από το μέτρο του χρόνου που δαπανάται όσο και από τη συχνότητα των επισκέψεων στην ιστοσελίδα του εκδότη, το επίπεδο εμπλοκής του χρήστη που ανήκει στο πρόγραμμα Number_reference_help_: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). (Greek) | |||||||||||||||
| Property / summary: Το έργο θα αναπτύξει έναν εικονικό πράκτορα — DEEP GLUE &ndash· χρήση αλγορίθμων τεχνητής νοημοσύνης και επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο για τη βελτιστοποίηση των εσόδων από προϊόντα και υπηρεσίες σε συνδρομητικά μοντέλα. Η έννοια της σχεδιαζόμενης τεχνολογίας απορρέει από μια προσπάθεια συνδυασμού διαφόρων μεθόδων μηχανικής μάθησης που έχουν εργαστεί για την επίλυση προβλημάτων (αποδεικνύεται μια ριζική βελτίωση της αποτελεσματικότητας των συστημάτων συστάσεων στο Google Play, στο LinkedIn ή στο Criteo που αποκτήθηκαν μέσω ενός συνδυασμού ευρείας μάθησης· με βαθιά μάθηση και εφαρμογή τους για την αυτοματοποίηση της πώλησης συνδρομών, όπου τέτοιες μέθοδοι δεν έχουν χρησιμοποιηθεί προηγουμένως. Ένα πρόσθετο κίνητρο για την υιοθέτηση μιας τέτοιας κατεύθυνσης είναι η μεγάλη μείωση του κόστους επεξεργασίας μεγάλων δεδομένων σε πραγματικό χρόνο, στην κλίμακα των δεδομένων στην οποία λειτουργούν οι εκδότες. Στόχος του έργου είναι η εξεύρεση βέλτιστων μεθόδων μηχανικής μάθησης που θα δημιουργήσουν πρόσθετα έσοδα συνδρομής για τους εκδότες με οικονομικά αποδοτικό τρόπο. Βαθιά κόλλα θα σας επιτρέψει να πάρετε τα ακόλουθα οφέλη για τους πελάτες που το χρησιμοποιούν: — Αύξηση της αποτελεσματικότητας κατά τουλάχιστον 10 % του αριθμού των συνδρομών που αποκτήθηκαν και των χρηστών που εγγράφηκαν στο σύστημα του εκδότη σε σύγκριση με τις λύσεις που χρησιμοποιούσαν προηγουμένως οι εκδότες. — Αύξηση τουλάχιστον 10 % του δείκτη CTR (Click-Through Rate) για τους υπερσυνδέσμους που επιλέγονται και παρουσιάζονται στον χρήστη από το σύστημα Deep Glue σε σχέση με τα εργαλεία που χρησιμοποιούν προηγουμένως οι εκδότες — Μακροπρόθεσμα, μετρούμενα τόσο από το μέτρο του χρόνου που δαπανάται όσο και από τη συχνότητα των επισκέψεων στην ιστοσελίδα του εκδότη, το επίπεδο εμπλοκής του χρήστη που ανήκει στο πρόγραμμα Number_reference_help_: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). (Greek) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Το έργο θα αναπτύξει έναν εικονικό πράκτορα — DEEP GLUE &ndash· χρήση αλγορίθμων τεχνητής νοημοσύνης και επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο για τη βελτιστοποίηση των εσόδων από προϊόντα και υπηρεσίες σε συνδρομητικά μοντέλα. Η έννοια της σχεδιαζόμενης τεχνολογίας απορρέει από μια προσπάθεια συνδυασμού διαφόρων μεθόδων μηχανικής μάθησης που έχουν εργαστεί για την επίλυση προβλημάτων (αποδεικνύεται μια ριζική βελτίωση της αποτελεσματικότητας των συστημάτων συστάσεων στο Google Play, στο LinkedIn ή στο Criteo που αποκτήθηκαν μέσω ενός συνδυασμού ευρείας μάθησης· με βαθιά μάθηση και εφαρμογή τους για την αυτοματοποίηση της πώλησης συνδρομών, όπου τέτοιες μέθοδοι δεν έχουν χρησιμοποιηθεί προηγουμένως. Ένα πρόσθετο κίνητρο για την υιοθέτηση μιας τέτοιας κατεύθυνσης είναι η μεγάλη μείωση του κόστους επεξεργασίας μεγάλων δεδομένων σε πραγματικό χρόνο, στην κλίμακα των δεδομένων στην οποία λειτουργούν οι εκδότες. Στόχος του έργου είναι η εξεύρεση βέλτιστων μεθόδων μηχανικής μάθησης που θα δημιουργήσουν πρόσθετα έσοδα συνδρομής για τους εκδότες με οικονομικά αποδοτικό τρόπο. Βαθιά κόλλα θα σας επιτρέψει να πάρετε τα ακόλουθα οφέλη για τους πελάτες που το χρησιμοποιούν: — Αύξηση της αποτελεσματικότητας κατά τουλάχιστον 10 % του αριθμού των συνδρομών που αποκτήθηκαν και των χρηστών που εγγράφηκαν στο σύστημα του εκδότη σε σύγκριση με τις λύσεις που χρησιμοποιούσαν προηγουμένως οι εκδότες. — Αύξηση τουλάχιστον 10 % του δείκτη CTR (Click-Through Rate) για τους υπερσυνδέσμους που επιλέγονται και παρουσιάζονται στον χρήστη από το σύστημα Deep Glue σε σχέση με τα εργαλεία που χρησιμοποιούν προηγουμένως οι εκδότες — Μακροπρόθεσμα, μετρούμενα τόσο από το μέτρο του χρόνου που δαπανάται όσο και από τη συχνότητα των επισκέψεων στην ιστοσελίδα του εκδότη, το επίπεδο εμπλοκής του χρήστη που ανήκει στο πρόγραμμα Number_reference_help_: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). (Greek) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
U okviru projekta razvit će se virtualni agent – DEEP GLUE – upotreba algoritama umjetne inteligencije i obrada tokova podataka u stvarnom vremenu za optimizaciju prihoda od proizvoda i usluga u modelima pretplate. Koncept planirane tehnologije proizlazi iz pokušaja kombiniranja nekoliko metoda strojnog učenja koje su radile na rješavanju problema (dokazuje radikalno poboljšanje učinkovitosti sustava preporuka na Google Play, LinkedIn ili Criteo dobiveno kombinacijom širokog učenja; s dubokim učenjem i njihovom primjenom kako bi se automatizirala prodaja pretplata, ako takve metode prethodno nisu korištene. Dodatni poticaj za usvajanje takvog smjera je veliko smanjenje troškova obrade velikih podataka u stvarnom vremenu, na razini podataka na kojima izdavači posluju. Cilj projekta je pronaći optimalne metode strojnog učenja koje će na ekonomičan način generirati dodatne prihode od pretplate za izdavače. Duboko ljepilo omogućit će vam da dobijete sljedeće pogodnosti za korisnike koji ga koriste: — Povećanje učinkovitosti za najmanje 10 % broja stečenih pretplata i korisnika koji se registriraju u sustavu izdavača u usporedbi s prethodno korištenim rješenjima izdavača. — Povećanje od najmanje 10 % pokazatelja CTR (Click-Through Rate) za hiperpoveznice koje je sustav Deep ljepilo odabrao i predstavio korisniku u odnosu na alate koje su prethodno koristili izdavači – Dugoročno, mjereno i mjerom utrošenog vremena i učestalošću posjeta internetskim stranicama izdavača, razina angažmana korisnika koji pripada programu Number_reference_help_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). (Croatian) | |||||||||||||||
| Property / summary: U okviru projekta razvit će se virtualni agent – DEEP GLUE – upotreba algoritama umjetne inteligencije i obrada tokova podataka u stvarnom vremenu za optimizaciju prihoda od proizvoda i usluga u modelima pretplate. Koncept planirane tehnologije proizlazi iz pokušaja kombiniranja nekoliko metoda strojnog učenja koje su radile na rješavanju problema (dokazuje radikalno poboljšanje učinkovitosti sustava preporuka na Google Play, LinkedIn ili Criteo dobiveno kombinacijom širokog učenja; s dubokim učenjem i njihovom primjenom kako bi se automatizirala prodaja pretplata, ako takve metode prethodno nisu korištene. Dodatni poticaj za usvajanje takvog smjera je veliko smanjenje troškova obrade velikih podataka u stvarnom vremenu, na razini podataka na kojima izdavači posluju. Cilj projekta je pronaći optimalne metode strojnog učenja koje će na ekonomičan način generirati dodatne prihode od pretplate za izdavače. Duboko ljepilo omogućit će vam da dobijete sljedeće pogodnosti za korisnike koji ga koriste: — Povećanje učinkovitosti za najmanje 10 % broja stečenih pretplata i korisnika koji se registriraju u sustavu izdavača u usporedbi s prethodno korištenim rješenjima izdavača. — Povećanje od najmanje 10 % pokazatelja CTR (Click-Through Rate) za hiperpoveznice koje je sustav Deep ljepilo odabrao i predstavio korisniku u odnosu na alate koje su prethodno koristili izdavači – Dugoročno, mjereno i mjerom utrošenog vremena i učestalošću posjeta internetskim stranicama izdavača, razina angažmana korisnika koji pripada programu Number_reference_help_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). (Croatian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: U okviru projekta razvit će se virtualni agent – DEEP GLUE – upotreba algoritama umjetne inteligencije i obrada tokova podataka u stvarnom vremenu za optimizaciju prihoda od proizvoda i usluga u modelima pretplate. Koncept planirane tehnologije proizlazi iz pokušaja kombiniranja nekoliko metoda strojnog učenja koje su radile na rješavanju problema (dokazuje radikalno poboljšanje učinkovitosti sustava preporuka na Google Play, LinkedIn ili Criteo dobiveno kombinacijom širokog učenja; s dubokim učenjem i njihovom primjenom kako bi se automatizirala prodaja pretplata, ako takve metode prethodno nisu korištene. Dodatni poticaj za usvajanje takvog smjera je veliko smanjenje troškova obrade velikih podataka u stvarnom vremenu, na razini podataka na kojima izdavači posluju. Cilj projekta je pronaći optimalne metode strojnog učenja koje će na ekonomičan način generirati dodatne prihode od pretplate za izdavače. Duboko ljepilo omogućit će vam da dobijete sljedeće pogodnosti za korisnike koji ga koriste: — Povećanje učinkovitosti za najmanje 10 % broja stečenih pretplata i korisnika koji se registriraju u sustavu izdavača u usporedbi s prethodno korištenim rješenjima izdavača. — Povećanje od najmanje 10 % pokazatelja CTR (Click-Through Rate) za hiperpoveznice koje je sustav Deep ljepilo odabrao i predstavio korisniku u odnosu na alate koje su prethodno koristili izdavači – Dugoročno, mjereno i mjerom utrošenog vremena i učestalošću posjeta internetskim stranicama izdavača, razina angažmana korisnika koji pripada programu Number_reference_help_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). (Croatian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Proiectul va dezvolta un agent virtual – DEEP GLUE – utilizarea algoritmilor de inteligență artificială și procesarea fluxului de date în timp real pentru a optimiza veniturile din produse și servicii în modelele de abonamente. Conceptul de tehnologie planificată provine dintr-o încercare de a combina mai multe metode de învățare automată care au lucrat pentru a rezolva problemele (o îmbunătățire radicală a eficacității sistemelor de recomandare pe Google Play, LinkedIn sau Criteo obținute printr-o combinație de învățare largă; cu învățare profundă și aplicarea acestora pentru a automatiza vânzarea de abonamente, în cazul în care astfel de metode nu au fost utilizate anterior. Un stimulent suplimentar pentru adoptarea unei astfel de direcții este o scădere semnificativă a costului prelucrării volumelor mari de date în timp real, la scara datelor pe care își desfășoară activitatea editorii. Scopul proiectului este de a găsi metode optime de învățare automată care să genereze venituri suplimentare din abonament pentru editori într-un mod eficient din punct de vedere al costurilor. Deep Glue vă va permite să obțineți următoarele beneficii pentru clienții care îl folosesc: O creștere a eficienței cu cel puțin 10 % a numărului de abonamente achiziționate și de utilizatori care se înregistrează în sistemul editorului în comparație cu soluțiile utilizate anterior de editori. O creștere de cel puțin 10 % a indicatorului CTR (Click-Through Rate) pentru hyperlink-urile selectate și prezentate utilizatorului de sistemul Deep Glue în raport cu instrumentele utilizate anterior de editori – pe termen lung, măsurat atât prin măsura timpului petrecut, cât și prin frecvența vizitelor pe site-ul web al editorului, nivelul de implicare a utilizatorului care aparține Number_reference_help_programme: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). (Romanian) | |||||||||||||||
| Property / summary: Proiectul va dezvolta un agent virtual – DEEP GLUE – utilizarea algoritmilor de inteligență artificială și procesarea fluxului de date în timp real pentru a optimiza veniturile din produse și servicii în modelele de abonamente. Conceptul de tehnologie planificată provine dintr-o încercare de a combina mai multe metode de învățare automată care au lucrat pentru a rezolva problemele (o îmbunătățire radicală a eficacității sistemelor de recomandare pe Google Play, LinkedIn sau Criteo obținute printr-o combinație de învățare largă; cu învățare profundă și aplicarea acestora pentru a automatiza vânzarea de abonamente, în cazul în care astfel de metode nu au fost utilizate anterior. Un stimulent suplimentar pentru adoptarea unei astfel de direcții este o scădere semnificativă a costului prelucrării volumelor mari de date în timp real, la scara datelor pe care își desfășoară activitatea editorii. Scopul proiectului este de a găsi metode optime de învățare automată care să genereze venituri suplimentare din abonament pentru editori într-un mod eficient din punct de vedere al costurilor. Deep Glue vă va permite să obțineți următoarele beneficii pentru clienții care îl folosesc: O creștere a eficienței cu cel puțin 10 % a numărului de abonamente achiziționate și de utilizatori care se înregistrează în sistemul editorului în comparație cu soluțiile utilizate anterior de editori. O creștere de cel puțin 10 % a indicatorului CTR (Click-Through Rate) pentru hyperlink-urile selectate și prezentate utilizatorului de sistemul Deep Glue în raport cu instrumentele utilizate anterior de editori – pe termen lung, măsurat atât prin măsura timpului petrecut, cât și prin frecvența vizitelor pe site-ul web al editorului, nivelul de implicare a utilizatorului care aparține Number_reference_help_programme: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). (Romanian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Proiectul va dezvolta un agent virtual – DEEP GLUE – utilizarea algoritmilor de inteligență artificială și procesarea fluxului de date în timp real pentru a optimiza veniturile din produse și servicii în modelele de abonamente. Conceptul de tehnologie planificată provine dintr-o încercare de a combina mai multe metode de învățare automată care au lucrat pentru a rezolva problemele (o îmbunătățire radicală a eficacității sistemelor de recomandare pe Google Play, LinkedIn sau Criteo obținute printr-o combinație de învățare largă; cu învățare profundă și aplicarea acestora pentru a automatiza vânzarea de abonamente, în cazul în care astfel de metode nu au fost utilizate anterior. Un stimulent suplimentar pentru adoptarea unei astfel de direcții este o scădere semnificativă a costului prelucrării volumelor mari de date în timp real, la scara datelor pe care își desfășoară activitatea editorii. Scopul proiectului este de a găsi metode optime de învățare automată care să genereze venituri suplimentare din abonament pentru editori într-un mod eficient din punct de vedere al costurilor. Deep Glue vă va permite să obțineți următoarele beneficii pentru clienții care îl folosesc: O creștere a eficienței cu cel puțin 10 % a numărului de abonamente achiziționate și de utilizatori care se înregistrează în sistemul editorului în comparație cu soluțiile utilizate anterior de editori. O creștere de cel puțin 10 % a indicatorului CTR (Click-Through Rate) pentru hyperlink-urile selectate și prezentate utilizatorului de sistemul Deep Glue în raport cu instrumentele utilizate anterior de editori – pe termen lung, măsurat atât prin măsura timpului petrecut, cât și prin frecvența vizitelor pe site-ul web al editorului, nivelul de implicare a utilizatorului care aparține Number_reference_help_programme: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). (Romanian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projekt vytvorí virtuálneho agenta – DEEP GLUE – využívanie algoritmov umelej inteligencie a spracovania toku dát v reálnom čase na optimalizáciu príjmov z produktov a služieb v modeloch predplatného. Koncepcia plánovanej technológie vychádza z pokusu spojiť niekoľko metód strojového učenia, ktoré pracovali na riešení problémov (predstavujú radikálne zlepšenie účinnosti odporúčacích systémov na Google Play, LinkedIn alebo Criteo získaných kombináciou širokého učenia; s hlbokým učením a ich uplatňovaním na automatizáciu predaja predplatného, ak sa takéto metódy predtým nepoužívali. Ďalším stimulom na prijatie takéhoto smeru je veľký pokles nákladov na spracovanie veľkých dát v reálnom čase v rozsahu údajov, na ktorých pôsobia vydavatelia. Cieľom projektu je nájsť optimálne metódy strojového učenia, ktoré vygenerujú dodatočné príjmy z predplatného pre vydavateľov nákladovo efektívnym spôsobom. Deep Glue vám umožní získať nasledujúce výhody pre zákazníkov, ktorí ho používajú: — Zvýšenie efektívnosti aspoň o 10 % z počtu získaných predplatiteľov a používateľov, ktorí sa zaregistrovali v systéme vydavateľov v porovnaní s predtým používanými riešeniami vydavateľov. — Zvýšenie aspoň o 10 % ukazovateľa CTR (Click-Through Rate) pre hypertextové odkazy vybrané a prezentované používateľovi systémom Deep Glue vo vzťahu k nástrojom, ktoré predtým používali vydavatelia – Dlhodobé, merané na základe miery stráveného času a frekvencie návštev webových stránok vydavateľa, úroveň zapojenia používateľa patriaceho do programu Number_reference_help_help_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). (Slovak) | |||||||||||||||
| Property / summary: Projekt vytvorí virtuálneho agenta – DEEP GLUE – využívanie algoritmov umelej inteligencie a spracovania toku dát v reálnom čase na optimalizáciu príjmov z produktov a služieb v modeloch predplatného. Koncepcia plánovanej technológie vychádza z pokusu spojiť niekoľko metód strojového učenia, ktoré pracovali na riešení problémov (predstavujú radikálne zlepšenie účinnosti odporúčacích systémov na Google Play, LinkedIn alebo Criteo získaných kombináciou širokého učenia; s hlbokým učením a ich uplatňovaním na automatizáciu predaja predplatného, ak sa takéto metódy predtým nepoužívali. Ďalším stimulom na prijatie takéhoto smeru je veľký pokles nákladov na spracovanie veľkých dát v reálnom čase v rozsahu údajov, na ktorých pôsobia vydavatelia. Cieľom projektu je nájsť optimálne metódy strojového učenia, ktoré vygenerujú dodatočné príjmy z predplatného pre vydavateľov nákladovo efektívnym spôsobom. Deep Glue vám umožní získať nasledujúce výhody pre zákazníkov, ktorí ho používajú: — Zvýšenie efektívnosti aspoň o 10 % z počtu získaných predplatiteľov a používateľov, ktorí sa zaregistrovali v systéme vydavateľov v porovnaní s predtým používanými riešeniami vydavateľov. — Zvýšenie aspoň o 10 % ukazovateľa CTR (Click-Through Rate) pre hypertextové odkazy vybrané a prezentované používateľovi systémom Deep Glue vo vzťahu k nástrojom, ktoré predtým používali vydavatelia – Dlhodobé, merané na základe miery stráveného času a frekvencie návštev webových stránok vydavateľa, úroveň zapojenia používateľa patriaceho do programu Number_reference_help_help_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). (Slovak) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projekt vytvorí virtuálneho agenta – DEEP GLUE – využívanie algoritmov umelej inteligencie a spracovania toku dát v reálnom čase na optimalizáciu príjmov z produktov a služieb v modeloch predplatného. Koncepcia plánovanej technológie vychádza z pokusu spojiť niekoľko metód strojového učenia, ktoré pracovali na riešení problémov (predstavujú radikálne zlepšenie účinnosti odporúčacích systémov na Google Play, LinkedIn alebo Criteo získaných kombináciou širokého učenia; s hlbokým učením a ich uplatňovaním na automatizáciu predaja predplatného, ak sa takéto metódy predtým nepoužívali. Ďalším stimulom na prijatie takéhoto smeru je veľký pokles nákladov na spracovanie veľkých dát v reálnom čase v rozsahu údajov, na ktorých pôsobia vydavatelia. Cieľom projektu je nájsť optimálne metódy strojového učenia, ktoré vygenerujú dodatočné príjmy z predplatného pre vydavateľov nákladovo efektívnym spôsobom. Deep Glue vám umožní získať nasledujúce výhody pre zákazníkov, ktorí ho používajú: — Zvýšenie efektívnosti aspoň o 10 % z počtu získaných predplatiteľov a používateľov, ktorí sa zaregistrovali v systéme vydavateľov v porovnaní s predtým používanými riešeniami vydavateľov. — Zvýšenie aspoň o 10 % ukazovateľa CTR (Click-Through Rate) pre hypertextové odkazy vybrané a prezentované používateľovi systémom Deep Glue vo vzťahu k nástrojom, ktoré predtým používali vydavatelia – Dlhodobé, merané na základe miery stráveného času a frekvencie návštev webových stránok vydavateľa, úroveň zapojenia používateľa patriaceho do programu Number_reference_help_help_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). (Slovak) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Il-proġett se jiżviluppa aġent virtwali — DEEP GLUE – l-użu ta’ algoritmi ta’ intelliġenza artifiċjali 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 biex isolvu l-problemi (tagħti titjib radikali fl-effettività tas-sistemi ta’ rakkomandazzjoni dwar Google Play, LinkedIn jew Criteo miksuba permezz ta’ kombinazzjoni ta’ tagħlim wiesa’; b’tagħlim profond u l-applikazzjoni tagħhom biex jawtomatizzaw il-bejgħ ta ‘abbonamenti, fejn metodi bħal dawn ma jkunux intużaw qabel. Stimolu addizzjonali biex tiġi adottata direzzjoni bħal din huwa tnaqqis kbir fl-ispiża tal-ipproċessar tal-big data f’ħin reali, fuq l-iskala tad-data li fuqha joperaw il-pubblikaturi. L-għan tal-proġett huwa li jinstabu metodi ottimali ta’ tagħlim awtomatiku li jiġġeneraw dħul addizzjonali mill-abbonamenti għall-pubblikaturi b’mod kosteffettiv. Glue Deep se jippermetti li inti tikseb il-benefiċċji li ġejjin għall-klijenti li jużawha: — Żieda fl-effiċjenza b’mill-inqas 10 % tan-numru ta’ abbonamenti akkwistati u utenti li jirreġistraw fis-sistema tal-pubblikatur meta mqabbla mas-soluzzjonijiet użati qabel mill-pubblikaturi. — Żieda ta’ mill-inqas 10 % tal-indikatur tas-CTR (CClick-Through Rate) għall-hyperlinks magħżula u ppreżentati lill-utent mis-sistema Deep Glue fir-rigward tal-għodod użati preċedentement mill-pubblikaturi — Tul ta’ żmien, imkejjel kemm mill-kejl tal-ħin imqatta’ kif ukoll mill-frekwenza taż-żjarat fis-sit web tal-pubblikatur, il-livell ta’ involviment tal-utent li jappartjeni għan-Numru_reference_help_programme: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). (Maltese) | |||||||||||||||
| Property / summary: Il-proġett se jiżviluppa aġent virtwali — DEEP GLUE – l-użu ta’ algoritmi ta’ intelliġenza artifiċjali 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 biex isolvu l-problemi (tagħti titjib radikali fl-effettività tas-sistemi ta’ rakkomandazzjoni dwar Google Play, LinkedIn jew Criteo miksuba permezz ta’ kombinazzjoni ta’ tagħlim wiesa’; b’tagħlim profond u l-applikazzjoni tagħhom biex jawtomatizzaw il-bejgħ ta ‘abbonamenti, fejn metodi bħal dawn ma jkunux intużaw qabel. Stimolu addizzjonali biex tiġi adottata direzzjoni bħal din huwa tnaqqis kbir fl-ispiża tal-ipproċessar tal-big data f’ħin reali, fuq l-iskala tad-data li fuqha joperaw il-pubblikaturi. L-għan tal-proġett huwa li jinstabu metodi ottimali ta’ tagħlim awtomatiku li jiġġeneraw dħul addizzjonali mill-abbonamenti għall-pubblikaturi b’mod kosteffettiv. Glue Deep se jippermetti li inti tikseb il-benefiċċji li ġejjin għall-klijenti li jużawha: — Żieda fl-effiċjenza b’mill-inqas 10 % tan-numru ta’ abbonamenti akkwistati u utenti li jirreġistraw fis-sistema tal-pubblikatur meta mqabbla mas-soluzzjonijiet użati qabel mill-pubblikaturi. — Żieda ta’ mill-inqas 10 % tal-indikatur tas-CTR (CClick-Through Rate) għall-hyperlinks magħżula u ppreżentati lill-utent mis-sistema Deep Glue fir-rigward tal-għodod użati preċedentement mill-pubblikaturi — Tul ta’ żmien, imkejjel kemm mill-kejl tal-ħin imqatta’ kif ukoll mill-frekwenza taż-żjarat fis-sit web tal-pubblikatur, il-livell ta’ involviment tal-utent li jappartjeni għan-Numru_reference_help_programme: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). (Maltese) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Il-proġett se jiżviluppa aġent virtwali — DEEP GLUE – l-użu ta’ algoritmi ta’ intelliġenza artifiċjali 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 biex isolvu l-problemi (tagħti titjib radikali fl-effettività tas-sistemi ta’ rakkomandazzjoni dwar Google Play, LinkedIn jew Criteo miksuba permezz ta’ kombinazzjoni ta’ tagħlim wiesa’; b’tagħlim profond u l-applikazzjoni tagħhom biex jawtomatizzaw il-bejgħ ta ‘abbonamenti, fejn metodi bħal dawn ma jkunux intużaw qabel. Stimolu addizzjonali biex tiġi adottata direzzjoni bħal din huwa tnaqqis kbir fl-ispiża tal-ipproċessar tal-big data f’ħin reali, fuq l-iskala tad-data li fuqha joperaw il-pubblikaturi. L-għan tal-proġett huwa li jinstabu metodi ottimali ta’ tagħlim awtomatiku li jiġġeneraw dħul addizzjonali mill-abbonamenti għall-pubblikaturi b’mod kosteffettiv. Glue Deep se jippermetti li inti tikseb il-benefiċċji li ġejjin għall-klijenti li jużawha: — Żieda fl-effiċjenza b’mill-inqas 10 % tan-numru ta’ abbonamenti akkwistati u utenti li jirreġistraw fis-sistema tal-pubblikatur meta mqabbla mas-soluzzjonijiet użati qabel mill-pubblikaturi. — Żieda ta’ mill-inqas 10 % tal-indikatur tas-CTR (CClick-Through Rate) għall-hyperlinks magħżula u ppreżentati lill-utent mis-sistema Deep Glue fir-rigward tal-għodod użati preċedentement mill-pubblikaturi — Tul ta’ żmien, imkejjel kemm mill-kejl tal-ħin imqatta’ kif ukoll mill-frekwenza taż-żjarat fis-sit web tal-pubblikatur, il-livell ta’ involviment tal-utent li jappartjeni għan-Numru_reference_help_programme: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). (Maltese) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
O projeto desenvolverá um agente virtual – DEEP GLUE – utilização de algoritmos de IA e processamento de fluxos de dados em tempo real para otimizar as receitas de produtos e serviços em modelos de subscrição. O conceito da tecnologia planeada decorre de uma tentativa de combinar vários métodos de aprendizagem automática que têm funcionado bem na resolução de problemas (vide melhoria radical da eficiência dos sistemas de recomendação no Google Play, LinkedIn ou Criteo conseguida através de uma combinação de aprendizagem alargada ” com o “ Ensino profundo) e usá-los para automatizar as vendas de assinaturas onde tais métodos não tenham sido utilizados anteriormente. Um incentivo adicional para tomar esta direção é a grande diminuição do custo do processamento de megadados em tempo real, com a escala de dados em que os editores operam. O objetivo do projeto é encontrar métodos ótimos de aprendizagem automática que proporcionem, de forma eficaz em termos de custos, receitas adicionais de assinaturas aos editores. A Deep Glue fornecerá os seguintes benefícios para os clientes que a utilizam: — Aumentar a eficácia em, pelo menos, 10 % do número de subscrições obtidas e de utilizadores registados no sistema de editores em relação a soluções anteriores utilizadas pelos editores. — Aumentar, em pelo menos 10 %, a CTR (Click-Through Rate) para as hiperligações selecionadas e apresentadas ao utilizador pelo sistema Deep Glue em relação às ferramentas utilizadas pelos editores — Longo prazo, medido tanto pelo tempo despendido como pela frequência das visitas ao serviço do editor, o nível de envolvimento do utilizador pertencente ao Numer_reference_aid_programme: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). (Portuguese) | |||||||||||||||
| Property / summary: O projeto desenvolverá um agente virtual – DEEP GLUE – utilização de algoritmos de IA e processamento de fluxos de dados em tempo real para otimizar as receitas de produtos e serviços em modelos de subscrição. O conceito da tecnologia planeada decorre de uma tentativa de combinar vários métodos de aprendizagem automática que têm funcionado bem na resolução de problemas (vide melhoria radical da eficiência dos sistemas de recomendação no Google Play, LinkedIn ou Criteo conseguida através de uma combinação de aprendizagem alargada ” com o “ Ensino profundo) e usá-los para automatizar as vendas de assinaturas onde tais métodos não tenham sido utilizados anteriormente. Um incentivo adicional para tomar esta direção é a grande diminuição do custo do processamento de megadados em tempo real, com a escala de dados em que os editores operam. O objetivo do projeto é encontrar métodos ótimos de aprendizagem automática que proporcionem, de forma eficaz em termos de custos, receitas adicionais de assinaturas aos editores. A Deep Glue fornecerá os seguintes benefícios para os clientes que a utilizam: — Aumentar a eficácia em, pelo menos, 10 % do número de subscrições obtidas e de utilizadores registados no sistema de editores em relação a soluções anteriores utilizadas pelos editores. — Aumentar, em pelo menos 10 %, a CTR (Click-Through Rate) para as hiperligações selecionadas e apresentadas ao utilizador pelo sistema Deep Glue em relação às ferramentas utilizadas pelos editores — Longo prazo, medido tanto pelo tempo despendido como pela frequência das visitas ao serviço do editor, o nível de envolvimento do utilizador pertencente ao Numer_reference_aid_programme: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). (Portuguese) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: O projeto desenvolverá um agente virtual – DEEP GLUE – utilização de algoritmos de IA e processamento de fluxos de dados em tempo real para otimizar as receitas de produtos e serviços em modelos de subscrição. O conceito da tecnologia planeada decorre de uma tentativa de combinar vários métodos de aprendizagem automática que têm funcionado bem na resolução de problemas (vide melhoria radical da eficiência dos sistemas de recomendação no Google Play, LinkedIn ou Criteo conseguida através de uma combinação de aprendizagem alargada ” com o “ Ensino profundo) e usá-los para automatizar as vendas de assinaturas onde tais métodos não tenham sido utilizados anteriormente. Um incentivo adicional para tomar esta direção é a grande diminuição do custo do processamento de megadados em tempo real, com a escala de dados em que os editores operam. O objetivo do projeto é encontrar métodos ótimos de aprendizagem automática que proporcionem, de forma eficaz em termos de custos, receitas adicionais de assinaturas aos editores. A Deep Glue fornecerá os seguintes benefícios para os clientes que a utilizam: — Aumentar a eficácia em, pelo menos, 10 % do número de subscrições obtidas e de utilizadores registados no sistema de editores em relação a soluções anteriores utilizadas pelos editores. — Aumentar, em pelo menos 10 %, a CTR (Click-Through Rate) para as hiperligações selecionadas e apresentadas ao utilizador pelo sistema Deep Glue em relação às ferramentas utilizadas pelos editores — Longo prazo, medido tanto pelo tempo despendido como pela frequência das visitas ao serviço do editor, o nível de envolvimento do utilizador pertencente ao Numer_reference_aid_programme: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). (Portuguese) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Hankkeessa kehitetään virtuaalinen agentti – DEEP GLUE – käyttämällä tekoälyalgoritmeja ja reaaliaikaista datavirrankäsittelyä tuotteiden ja palveluiden tuoton optimoimiseksi tilausmalleissa. Suunnitellun teknologian käsite perustuu pyrkimykseen yhdistää useita koneoppimisen menetelmiä, jotka ovat työskennelleet ongelmien ratkaisemiseksi (näyttää radikaalia parannusta Google Playn, LinkedInin tai Criteon suositusjärjestelmien tehokkuudessa, joka on saatu laajan oppimisen yhdistelmällä; syväoppiminen ja niiden soveltaminen tilausten myynnin automatisointiin, jos tällaisia menetelmiä ei ole aiemmin käytetty. Lisäkannustin tällaisen suunnan omaksumiseksi on suurten tietojen reaaliaikaisen käsittelyn kustannusten suuri väheneminen siinä määrin kuin julkaisijat toimivat. Hankkeen tavoitteena on löytää optimaaliset koneoppimismenetelmät, jotka tuottavat kustannustehokkaalla tavalla lisää tilaustuloja kustantajille. Deep Glue antaa sinulle seuraavat edut sitä käyttäville asiakkaille: — Tehokkuuden lisääminen vähintään 10 prosentilla kustantajan järjestelmään rekisteröityneiden tilausten ja käyttäjien määrästä verrattuna kustantajien aiemmin käyttämiin ratkaisuihin. — CTR-indikaattorin (Click-Through Rate) lisäys vähintään 10 prosentilla Deep Glue -järjestelmän käyttäjälle valitsemien ja käyttäjälle esittämien hyperlinkkien osalta suhteessa julkaisijoiden aiemmin käyttämiin työkaluihin – Pitkäaikaisuus, jota mitataan sekä käytetyn ajan mittauksella että julkaisijan verkkosivustolla käyntitiheydellä, Number_reference_help_ohjelmaan kuuluvan käyttäjän sitoutumisen tasolla: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. (Finnish) | |||||||||||||||
| Property / summary: Hankkeessa kehitetään virtuaalinen agentti – DEEP GLUE – käyttämällä tekoälyalgoritmeja ja reaaliaikaista datavirrankäsittelyä tuotteiden ja palveluiden tuoton optimoimiseksi tilausmalleissa. Suunnitellun teknologian käsite perustuu pyrkimykseen yhdistää useita koneoppimisen menetelmiä, jotka ovat työskennelleet ongelmien ratkaisemiseksi (näyttää radikaalia parannusta Google Playn, LinkedInin tai Criteon suositusjärjestelmien tehokkuudessa, joka on saatu laajan oppimisen yhdistelmällä; syväoppiminen ja niiden soveltaminen tilausten myynnin automatisointiin, jos tällaisia menetelmiä ei ole aiemmin käytetty. Lisäkannustin tällaisen suunnan omaksumiseksi on suurten tietojen reaaliaikaisen käsittelyn kustannusten suuri väheneminen siinä määrin kuin julkaisijat toimivat. Hankkeen tavoitteena on löytää optimaaliset koneoppimismenetelmät, jotka tuottavat kustannustehokkaalla tavalla lisää tilaustuloja kustantajille. Deep Glue antaa sinulle seuraavat edut sitä käyttäville asiakkaille: — Tehokkuuden lisääminen vähintään 10 prosentilla kustantajan järjestelmään rekisteröityneiden tilausten ja käyttäjien määrästä verrattuna kustantajien aiemmin käyttämiin ratkaisuihin. — CTR-indikaattorin (Click-Through Rate) lisäys vähintään 10 prosentilla Deep Glue -järjestelmän käyttäjälle valitsemien ja käyttäjälle esittämien hyperlinkkien osalta suhteessa julkaisijoiden aiemmin käyttämiin työkaluihin – Pitkäaikaisuus, jota mitataan sekä käytetyn ajan mittauksella että julkaisijan verkkosivustolla käyntitiheydellä, Number_reference_help_ohjelmaan kuuluvan käyttäjän sitoutumisen tasolla: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. (Finnish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Hankkeessa kehitetään virtuaalinen agentti – DEEP GLUE – käyttämällä tekoälyalgoritmeja ja reaaliaikaista datavirrankäsittelyä tuotteiden ja palveluiden tuoton optimoimiseksi tilausmalleissa. Suunnitellun teknologian käsite perustuu pyrkimykseen yhdistää useita koneoppimisen menetelmiä, jotka ovat työskennelleet ongelmien ratkaisemiseksi (näyttää radikaalia parannusta Google Playn, LinkedInin tai Criteon suositusjärjestelmien tehokkuudessa, joka on saatu laajan oppimisen yhdistelmällä; syväoppiminen ja niiden soveltaminen tilausten myynnin automatisointiin, jos tällaisia menetelmiä ei ole aiemmin käytetty. Lisäkannustin tällaisen suunnan omaksumiseksi on suurten tietojen reaaliaikaisen käsittelyn kustannusten suuri väheneminen siinä määrin kuin julkaisijat toimivat. Hankkeen tavoitteena on löytää optimaaliset koneoppimismenetelmät, jotka tuottavat kustannustehokkaalla tavalla lisää tilaustuloja kustantajille. Deep Glue antaa sinulle seuraavat edut sitä käyttäville asiakkaille: — Tehokkuuden lisääminen vähintään 10 prosentilla kustantajan järjestelmään rekisteröityneiden tilausten ja käyttäjien määrästä verrattuna kustantajien aiemmin käyttämiin ratkaisuihin. — CTR-indikaattorin (Click-Through Rate) lisäys vähintään 10 prosentilla Deep Glue -järjestelmän käyttäjälle valitsemien ja käyttäjälle esittämien hyperlinkkien osalta suhteessa julkaisijoiden aiemmin käyttämiin työkaluihin – Pitkäaikaisuus, jota mitataan sekä käytetyn ajan mittauksella että julkaisijan verkkosivustolla käyntitiheydellä, Number_reference_help_ohjelmaan kuuluvan käyttäjän sitoutumisen tasolla: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. (Finnish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projekt bo razvil virtualni agent – DEEP GLUE – uporaba algoritmov umetne inteligence in obdelave podatkov v realnem času za optimizacijo prihodkov od izdelkov in storitev v naročniških modelih. Koncept načrtovane tehnologije izhaja iz poskusa kombiniranja več metod strojnega učenja, ki so pomagale rešiti težave (dokazati korenito izboljšanje učinkovitosti priporočilnih sistemov v Googlu Play, LinkedInu ali Criteu, pridobljenih s kombinacijo širokega učenja; z globokim učenjem in uporabo za avtomatizacijo prodaje naročnin, kjer takšne metode še niso bile uporabljene. Dodatna spodbuda za sprejetje takšne usmeritve je veliko zmanjšanje stroškov obdelave masovnih podatkov v realnem času, v obsegu podatkov, na katerih delujejo založniki. Cilj projekta je najti optimalne metode strojnega učenja, ki bodo založnikom na stroškovno učinkovit način ustvarile dodatne prihodke od naročnine. Globoko lepilo vam bo omogočilo, da dobite naslednje prednosti za stranke, ki ga uporabljajo: Povečanje učinkovitosti za vsaj 10 % števila pridobljenih naročnin in uporabnikov, ki se registrirajo v sistemu založnika, v primerjavi s prej uporabljenimi rešitvami založnikov. — Povečanje za vsaj 10 % kazalnika CTR (Click-Through Rate) za hiperpovezave, ki jih uporabnik izbere in predstavi uporabniku v zvezi z orodji, ki so jih prej uporabljali založniki – Dolgoročno, merjeno z merilom porabljenega časa in pogostostjo obiskov na spletni strani založnika, stopnjo angažiranosti uporabnika, ki pripada programu Number_reference_help_: 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 To je vse. EU L 187/1 z dne 26.6.2014). (Slovenian) | |||||||||||||||
| Property / summary: Projekt bo razvil virtualni agent – DEEP GLUE – uporaba algoritmov umetne inteligence in obdelave podatkov v realnem času za optimizacijo prihodkov od izdelkov in storitev v naročniških modelih. Koncept načrtovane tehnologije izhaja iz poskusa kombiniranja več metod strojnega učenja, ki so pomagale rešiti težave (dokazati korenito izboljšanje učinkovitosti priporočilnih sistemov v Googlu Play, LinkedInu ali Criteu, pridobljenih s kombinacijo širokega učenja; z globokim učenjem in uporabo za avtomatizacijo prodaje naročnin, kjer takšne metode še niso bile uporabljene. Dodatna spodbuda za sprejetje takšne usmeritve je veliko zmanjšanje stroškov obdelave masovnih podatkov v realnem času, v obsegu podatkov, na katerih delujejo založniki. Cilj projekta je najti optimalne metode strojnega učenja, ki bodo založnikom na stroškovno učinkovit način ustvarile dodatne prihodke od naročnine. Globoko lepilo vam bo omogočilo, da dobite naslednje prednosti za stranke, ki ga uporabljajo: Povečanje učinkovitosti za vsaj 10 % števila pridobljenih naročnin in uporabnikov, ki se registrirajo v sistemu založnika, v primerjavi s prej uporabljenimi rešitvami založnikov. — Povečanje za vsaj 10 % kazalnika CTR (Click-Through Rate) za hiperpovezave, ki jih uporabnik izbere in predstavi uporabniku v zvezi z orodji, ki so jih prej uporabljali založniki – Dolgoročno, merjeno z merilom porabljenega časa in pogostostjo obiskov na spletni strani založnika, stopnjo angažiranosti uporabnika, ki pripada programu Number_reference_help_: 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 To je vse. EU L 187/1 z dne 26.6.2014). (Slovenian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projekt bo razvil virtualni agent – DEEP GLUE – uporaba algoritmov umetne inteligence in obdelave podatkov v realnem času za optimizacijo prihodkov od izdelkov in storitev v naročniških modelih. Koncept načrtovane tehnologije izhaja iz poskusa kombiniranja več metod strojnega učenja, ki so pomagale rešiti težave (dokazati korenito izboljšanje učinkovitosti priporočilnih sistemov v Googlu Play, LinkedInu ali Criteu, pridobljenih s kombinacijo širokega učenja; z globokim učenjem in uporabo za avtomatizacijo prodaje naročnin, kjer takšne metode še niso bile uporabljene. Dodatna spodbuda za sprejetje takšne usmeritve je veliko zmanjšanje stroškov obdelave masovnih podatkov v realnem času, v obsegu podatkov, na katerih delujejo založniki. Cilj projekta je najti optimalne metode strojnega učenja, ki bodo založnikom na stroškovno učinkovit način ustvarile dodatne prihodke od naročnine. Globoko lepilo vam bo omogočilo, da dobite naslednje prednosti za stranke, ki ga uporabljajo: Povečanje učinkovitosti za vsaj 10 % števila pridobljenih naročnin in uporabnikov, ki se registrirajo v sistemu založnika, v primerjavi s prej uporabljenimi rešitvami založnikov. — Povečanje za vsaj 10 % kazalnika CTR (Click-Through Rate) za hiperpovezave, ki jih uporabnik izbere in predstavi uporabniku v zvezi z orodji, ki so jih prej uporabljali založniki – Dolgoročno, merjeno z merilom porabljenega časa in pogostostjo obiskov na spletni strani založnika, stopnjo angažiranosti uporabnika, ki pripada programu Number_reference_help_: 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 To je vse. EU L 187/1 z dne 26.6.2014). (Slovenian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projekt vytvoří virtuálního agenta – 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 ze snahy kombinovat několik metod strojového učení, které pracovaly na řešení problémů (zajistit radikální zlepšení účinnosti systémů doporučení na Google Play, LinkedIn nebo Criteo získané kombinací širokého učení; s hlubokým učením a jejich použitím k automatizaci prodeje předplatného, kde tyto metody nebyly dříve použity. Dalším podnětem k přijetí takového směru je velký pokles nákladů na zpracování velkých dat v reálném čase, a to v rozsahu dat, na nichž vydavatelé působí. Cílem projektu je nalézt optimální metody strojového učení, které budou pro vydavatele generovat dodatečné příjmy z předplatného nákladově efektivním způsobem. Deep Glue vám umožní získat následující výhody pro zákazníky, kteří jej používají: Zvýšení účinnosti nejméně o 10 % počtu získaných předplatných a uživatelů, kteří se registrují v systému vydavatele, ve srovnání s dříve používanými řešeními vydavatelů. — Zvýšení ukazatele CTR (Click-Through Rate) nejméně o 10 % u hypertextových odkazů vybraných a prezentovaných uživateli systémem Deep Glue ve vztahu k nástrojům dříve používaným vydavateli – Dlouhodobý, měřený jak mírou stráveného času, tak četností návštěv na internetových stránkách vydavatele, mírou zapojení uživatele patřícího do programu Number_reference_help_programu: 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 kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). (Czech) | |||||||||||||||
| Property / summary: Projekt vytvoří virtuálního agenta – 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 ze snahy kombinovat několik metod strojového učení, které pracovaly na řešení problémů (zajistit radikální zlepšení účinnosti systémů doporučení na Google Play, LinkedIn nebo Criteo získané kombinací širokého učení; s hlubokým učením a jejich použitím k automatizaci prodeje předplatného, kde tyto metody nebyly dříve použity. Dalším podnětem k přijetí takového směru je velký pokles nákladů na zpracování velkých dat v reálném čase, a to v rozsahu dat, na nichž vydavatelé působí. Cílem projektu je nalézt optimální metody strojového učení, které budou pro vydavatele generovat dodatečné příjmy z předplatného nákladově efektivním způsobem. Deep Glue vám umožní získat následující výhody pro zákazníky, kteří jej používají: Zvýšení účinnosti nejméně o 10 % počtu získaných předplatných a uživatelů, kteří se registrují v systému vydavatele, ve srovnání s dříve používanými řešeními vydavatelů. — Zvýšení ukazatele CTR (Click-Through Rate) nejméně o 10 % u hypertextových odkazů vybraných a prezentovaných uživateli systémem Deep Glue ve vztahu k nástrojům dříve používaným vydavateli – Dlouhodobý, měřený jak mírou stráveného času, tak četností návštěv na internetových stránkách vydavatele, mírou zapojení uživatele patřícího do programu Number_reference_help_programu: 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 kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). (Czech) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projekt vytvoří virtuálního agenta – 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 ze snahy kombinovat několik metod strojového učení, které pracovaly na řešení problémů (zajistit radikální zlepšení účinnosti systémů doporučení na Google Play, LinkedIn nebo Criteo získané kombinací širokého učení; s hlubokým učením a jejich použitím k automatizaci prodeje předplatného, kde tyto metody nebyly dříve použity. Dalším podnětem k přijetí takového směru je velký pokles nákladů na zpracování velkých dat v reálném čase, a to v rozsahu dat, na nichž vydavatelé působí. Cílem projektu je nalézt optimální metody strojového učení, které budou pro vydavatele generovat dodatečné příjmy z předplatného nákladově efektivním způsobem. Deep Glue vám umožní získat následující výhody pro zákazníky, kteří jej používají: Zvýšení účinnosti nejméně o 10 % počtu získaných předplatných a uživatelů, kteří se registrují v systému vydavatele, ve srovnání s dříve používanými řešeními vydavatelů. — Zvýšení ukazatele CTR (Click-Through Rate) nejméně o 10 % u hypertextových odkazů vybraných a prezentovaných uživateli systémem Deep Glue ve vztahu k nástrojům dříve používaným vydavateli – Dlouhodobý, měřený jak mírou stráveného času, tak četností návštěv na internetových stránkách vydavatele, mírou zapojení uživatele patřícího do programu Number_reference_help_programu: 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 kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). (Czech) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projekte bus sukurtas virtualus agentas – DEEP GLUE – naudojant dirbtinio intelekto algoritmus ir realaus laiko duomenų srauto apdorojimą, siekiant optimizuoti pajamas iš produktų ir paslaugų prenumeratos modeliuose. Planuojamos technologijos koncepcija grindžiama bandymu sujungti kelis mašinų mokymosi metodus, kurie padėjo išspręsti problemas (iš esmės pagerino „Google Play“, „LinkedIn“ ar „Criteo“ rekomendacijų sistemų, gautų derinant platų mokymąsi, veiksmingumą; su giliu mokymusi ir taikant juos automatizuoti prenumeratos pardavimą, kai tokie metodai anksčiau nebuvo naudojami. Papildomas stimulas priimti tokią kryptį yra didelis didelių duomenų apdorojimo realiuoju laiku sąnaudų sumažėjimas, atsižvelgiant į duomenų, kuriais veikia leidėjai, mastą. Projekto tikslas – rasti optimalius mašinų mokymosi metodus, kurie leistų leidėjams ekonomiškai efektyviu būdu gauti papildomų prenumeratos pajamų. „Deep Glue“ leis jums gauti šiuos privalumus klientams, naudojantiems jį: – Efektyvumą padidinti bent 10 % įsigytų prenumeratų ir naudotojų, užsiregistravusių leidėjo sistemoje, skaičiaus, palyginti su anksčiau leidėjų naudotais sprendimais. – Bent 10 proc. padidinti CTR (paspaudimo sparta) rodiklį, skirtą „Deep Glue“ sistemos parinktiems ir naudotojams pateiktiems hipersaitams, palyginti su anksčiau leidėjų naudotais įrankiais. Ilgalaikis laikotarpis, vertinamas tiek pagal praleistą laiką, tiek pagal apsilankymų leidėjo interneto svetainėje dažnumą, naudotojo, priklausančio Number_reference_help_programme, dalyvavimo lygis: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). (Lithuanian) | |||||||||||||||
| Property / summary: Projekte bus sukurtas virtualus agentas – DEEP GLUE – naudojant dirbtinio intelekto algoritmus ir realaus laiko duomenų srauto apdorojimą, siekiant optimizuoti pajamas iš produktų ir paslaugų prenumeratos modeliuose. Planuojamos technologijos koncepcija grindžiama bandymu sujungti kelis mašinų mokymosi metodus, kurie padėjo išspręsti problemas (iš esmės pagerino „Google Play“, „LinkedIn“ ar „Criteo“ rekomendacijų sistemų, gautų derinant platų mokymąsi, veiksmingumą; su giliu mokymusi ir taikant juos automatizuoti prenumeratos pardavimą, kai tokie metodai anksčiau nebuvo naudojami. Papildomas stimulas priimti tokią kryptį yra didelis didelių duomenų apdorojimo realiuoju laiku sąnaudų sumažėjimas, atsižvelgiant į duomenų, kuriais veikia leidėjai, mastą. Projekto tikslas – rasti optimalius mašinų mokymosi metodus, kurie leistų leidėjams ekonomiškai efektyviu būdu gauti papildomų prenumeratos pajamų. „Deep Glue“ leis jums gauti šiuos privalumus klientams, naudojantiems jį: – Efektyvumą padidinti bent 10 % įsigytų prenumeratų ir naudotojų, užsiregistravusių leidėjo sistemoje, skaičiaus, palyginti su anksčiau leidėjų naudotais sprendimais. – Bent 10 proc. padidinti CTR (paspaudimo sparta) rodiklį, skirtą „Deep Glue“ sistemos parinktiems ir naudotojams pateiktiems hipersaitams, palyginti su anksčiau leidėjų naudotais įrankiais. Ilgalaikis laikotarpis, vertinamas tiek pagal praleistą laiką, tiek pagal apsilankymų leidėjo interneto svetainėje dažnumą, naudotojo, priklausančio Number_reference_help_programme, dalyvavimo lygis: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). (Lithuanian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projekte bus sukurtas virtualus agentas – DEEP GLUE – naudojant dirbtinio intelekto algoritmus ir realaus laiko duomenų srauto apdorojimą, siekiant optimizuoti pajamas iš produktų ir paslaugų prenumeratos modeliuose. Planuojamos technologijos koncepcija grindžiama bandymu sujungti kelis mašinų mokymosi metodus, kurie padėjo išspręsti problemas (iš esmės pagerino „Google Play“, „LinkedIn“ ar „Criteo“ rekomendacijų sistemų, gautų derinant platų mokymąsi, veiksmingumą; su giliu mokymusi ir taikant juos automatizuoti prenumeratos pardavimą, kai tokie metodai anksčiau nebuvo naudojami. Papildomas stimulas priimti tokią kryptį yra didelis didelių duomenų apdorojimo realiuoju laiku sąnaudų sumažėjimas, atsižvelgiant į duomenų, kuriais veikia leidėjai, mastą. Projekto tikslas – rasti optimalius mašinų mokymosi metodus, kurie leistų leidėjams ekonomiškai efektyviu būdu gauti papildomų prenumeratos pajamų. „Deep Glue“ leis jums gauti šiuos privalumus klientams, naudojantiems jį: – Efektyvumą padidinti bent 10 % įsigytų prenumeratų ir naudotojų, užsiregistravusių leidėjo sistemoje, skaičiaus, palyginti su anksčiau leidėjų naudotais sprendimais. – Bent 10 proc. padidinti CTR (paspaudimo sparta) rodiklį, skirtą „Deep Glue“ sistemos parinktiems ir naudotojams pateiktiems hipersaitams, palyginti su anksčiau leidėjų naudotais įrankiais. Ilgalaikis laikotarpis, vertinamas tiek pagal praleistą laiką, tiek pagal apsilankymų leidėjo interneto svetainėje dažnumą, naudotojo, priklausančio Number_reference_help_programme, dalyvavimo lygis: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). (Lithuanian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projekts izstrādās virtuālo aģentu — DEEP GLUE – mākslīgā intelekta algoritmu un reāllaika datu plūsmas apstrādes izmantošana, lai optimizētu ieņēmumus no produktiem un pakalpojumiem abonēšanas modeļos. Plānotās tehnoloģijas koncepcija izriet no mēģinājuma apvienot vairākas mašīnmācīšanās metodes, kas ir strādājušas, lai atrisinātu problēmas (ir radikāli uzlabojusies rekomendāciju sistēmu efektivitāte pakalpojumā Google Play, LinkedIn vai Criteo, kas iegūtas, apvienojot plašas mācības; ar dziļu mācīšanos un to piemērošanu automatizēt abonementu pārdošanu, ja šādas metodes iepriekš nav izmantotas. Papildu stimuls pieņemt šādu virzienu ir liels lielo datu apstrādes izmaksu samazinājums reāllaikā datu mērogā, kurā darbojas izdevēji. Projekta mērķis ir atrast optimālas mašīnmācīšanās metodes, kas rentablā veidā radīs papildu abonēšanas ieņēmumus izdevējiem. Deep Glue ļaus jums iegūt šādas priekšrocības klientiem, izmantojot to: — Efektivitātes pieaugums vismaz par 10 % no iegādāto abonementu un lietotāju skaita, kuri reģistrējas izdevēja sistēmā, salīdzinot ar izdevēju iepriekš izmantotajiem risinājumiem. — Pieaugums vismaz par 10 % no CTR (Click-Through Rate) rādītāja attiecībā uz hipersaitēm, kas izvēlētas un lietotājam uzrādītas dziļas līmes sistēmā saistībā ar rīkiem, kurus iepriekš izmantoja izdevēji — Ilgtermiņa, ko mēra gan pēc pavadītā laika mērījuma, gan pēc izdevēja tīmekļa vietnes apmeklējumu biežuma, no numura_reference_help_programmai piederošā lietotāja iesaistes līmeņa: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. (Latvian) | |||||||||||||||
| Property / summary: Projekts izstrādās virtuālo aģentu — DEEP GLUE – mākslīgā intelekta algoritmu un reāllaika datu plūsmas apstrādes izmantošana, lai optimizētu ieņēmumus no produktiem un pakalpojumiem abonēšanas modeļos. Plānotās tehnoloģijas koncepcija izriet no mēģinājuma apvienot vairākas mašīnmācīšanās metodes, kas ir strādājušas, lai atrisinātu problēmas (ir radikāli uzlabojusies rekomendāciju sistēmu efektivitāte pakalpojumā Google Play, LinkedIn vai Criteo, kas iegūtas, apvienojot plašas mācības; ar dziļu mācīšanos un to piemērošanu automatizēt abonementu pārdošanu, ja šādas metodes iepriekš nav izmantotas. Papildu stimuls pieņemt šādu virzienu ir liels lielo datu apstrādes izmaksu samazinājums reāllaikā datu mērogā, kurā darbojas izdevēji. Projekta mērķis ir atrast optimālas mašīnmācīšanās metodes, kas rentablā veidā radīs papildu abonēšanas ieņēmumus izdevējiem. Deep Glue ļaus jums iegūt šādas priekšrocības klientiem, izmantojot to: — Efektivitātes pieaugums vismaz par 10 % no iegādāto abonementu un lietotāju skaita, kuri reģistrējas izdevēja sistēmā, salīdzinot ar izdevēju iepriekš izmantotajiem risinājumiem. — Pieaugums vismaz par 10 % no CTR (Click-Through Rate) rādītāja attiecībā uz hipersaitēm, kas izvēlētas un lietotājam uzrādītas dziļas līmes sistēmā saistībā ar rīkiem, kurus iepriekš izmantoja izdevēji — Ilgtermiņa, ko mēra gan pēc pavadītā laika mērījuma, gan pēc izdevēja tīmekļa vietnes apmeklējumu biežuma, no numura_reference_help_programmai piederošā lietotāja iesaistes līmeņa: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. (Latvian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projekts izstrādās virtuālo aģentu — DEEP GLUE – mākslīgā intelekta algoritmu un reāllaika datu plūsmas apstrādes izmantošana, lai optimizētu ieņēmumus no produktiem un pakalpojumiem abonēšanas modeļos. Plānotās tehnoloģijas koncepcija izriet no mēģinājuma apvienot vairākas mašīnmācīšanās metodes, kas ir strādājušas, lai atrisinātu problēmas (ir radikāli uzlabojusies rekomendāciju sistēmu efektivitāte pakalpojumā Google Play, LinkedIn vai Criteo, kas iegūtas, apvienojot plašas mācības; ar dziļu mācīšanos un to piemērošanu automatizēt abonementu pārdošanu, ja šādas metodes iepriekš nav izmantotas. Papildu stimuls pieņemt šādu virzienu ir liels lielo datu apstrādes izmaksu samazinājums reāllaikā datu mērogā, kurā darbojas izdevēji. Projekta mērķis ir atrast optimālas mašīnmācīšanās metodes, kas rentablā veidā radīs papildu abonēšanas ieņēmumus izdevējiem. Deep Glue ļaus jums iegūt šādas priekšrocības klientiem, izmantojot to: — Efektivitātes pieaugums vismaz par 10 % no iegādāto abonementu un lietotāju skaita, kuri reģistrējas izdevēja sistēmā, salīdzinot ar izdevēju iepriekš izmantotajiem risinājumiem. — Pieaugums vismaz par 10 % no CTR (Click-Through Rate) rādītāja attiecībā uz hipersaitēm, kas izvēlētas un lietotājam uzrādītas dziļas līmes sistēmā saistībā ar rīkiem, kurus iepriekš izmantoja izdevēji — Ilgtermiņa, ko mēra gan pēc pavadītā laika mērījuma, gan pēc izdevēja tīmekļa vietnes apmeklējumu biežuma, no numura_reference_help_programmai piederošā lietotāja iesaistes līmeņa: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. (Latvian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Проектът ще разработи виртуален агент — DEEP GLUE – използване на алгоритми за изкуствен интелект и обработка на потоци от данни в реално време, за да се оптимизират приходите от продукти и услуги в абонаментните модели. Концепцията за планираната технология произтича от опит за комбиниране на няколко метода за машинно обучение, които са работили за решаване на проблеми (доколкото е налице радикално подобрение в ефективността на системите за препоръки в Google Play, LinkedIn или Criteo, получени чрез комбинация от широко обучение; с дълбоко обучение и прилагането им за автоматизиране на продажбата на абонаменти, когато такива методи не са били използвани преди това. Допълнителен стимул за възприемане на такава посока е значителното намаляване на разходите за обработка на големи данни в реално време, в мащаба на данните, на които работят издателите. Целта на проекта е да се намерят оптимални методи за машинно обучение, които да генерират допълнителни приходи от абонамент за издателите по рентабилен начин. Deep Glue ще ви позволи да получите следните ползи за клиентите, които го използват: Повишаване на ефективността с най-малко 10 % от броя на придобитите абонаменти и потребителите, които се регистрират в системата на издателя, в сравнение с използваните по-рано решения от издателите. — Увеличение с най-малко 10 % на индикатора CTR (Click-Through Rate) за хипервръзки, избрани и представени на потребителя от системата Deep Glue във връзка с инструменти, използвани преди това от издателите — Дългосрочно, измерено както с измерването на времето, така и с честотата на посещенията на уебсайта на издателя, нивото на ангажираност на потребителя, принадлежащо към програмата Number_reference_help_: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). (Bulgarian) | |||||||||||||||
| Property / summary: Проектът ще разработи виртуален агент — DEEP GLUE – използване на алгоритми за изкуствен интелект и обработка на потоци от данни в реално време, за да се оптимизират приходите от продукти и услуги в абонаментните модели. Концепцията за планираната технология произтича от опит за комбиниране на няколко метода за машинно обучение, които са работили за решаване на проблеми (доколкото е налице радикално подобрение в ефективността на системите за препоръки в Google Play, LinkedIn или Criteo, получени чрез комбинация от широко обучение; с дълбоко обучение и прилагането им за автоматизиране на продажбата на абонаменти, когато такива методи не са били използвани преди това. Допълнителен стимул за възприемане на такава посока е значителното намаляване на разходите за обработка на големи данни в реално време, в мащаба на данните, на които работят издателите. Целта на проекта е да се намерят оптимални методи за машинно обучение, които да генерират допълнителни приходи от абонамент за издателите по рентабилен начин. Deep Glue ще ви позволи да получите следните ползи за клиентите, които го използват: Повишаване на ефективността с най-малко 10 % от броя на придобитите абонаменти и потребителите, които се регистрират в системата на издателя, в сравнение с използваните по-рано решения от издателите. — Увеличение с най-малко 10 % на индикатора CTR (Click-Through Rate) за хипервръзки, избрани и представени на потребителя от системата Deep Glue във връзка с инструменти, използвани преди това от издателите — Дългосрочно, измерено както с измерването на времето, така и с честотата на посещенията на уебсайта на издателя, нивото на ангажираност на потребителя, принадлежащо към програмата Number_reference_help_: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). (Bulgarian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Проектът ще разработи виртуален агент — DEEP GLUE – използване на алгоритми за изкуствен интелект и обработка на потоци от данни в реално време, за да се оптимизират приходите от продукти и услуги в абонаментните модели. Концепцията за планираната технология произтича от опит за комбиниране на няколко метода за машинно обучение, които са работили за решаване на проблеми (доколкото е налице радикално подобрение в ефективността на системите за препоръки в Google Play, LinkedIn или Criteo, получени чрез комбинация от широко обучение; с дълбоко обучение и прилагането им за автоматизиране на продажбата на абонаменти, когато такива методи не са били използвани преди това. Допълнителен стимул за възприемане на такава посока е значителното намаляване на разходите за обработка на големи данни в реално време, в мащаба на данните, на които работят издателите. Целта на проекта е да се намерят оптимални методи за машинно обучение, които да генерират допълнителни приходи от абонамент за издателите по рентабилен начин. Deep Glue ще ви позволи да получите следните ползи за клиентите, които го използват: Повишаване на ефективността с най-малко 10 % от броя на придобитите абонаменти и потребителите, които се регистрират в системата на издателя, в сравнение с използваните по-рано решения от издателите. — Увеличение с най-малко 10 % на индикатора CTR (Click-Through Rate) за хипервръзки, избрани и представени на потребителя от системата Deep Glue във връзка с инструменти, използвани преди това от издателите — Дългосрочно, измерено както с измерването на времето, така и с честотата на посещенията на уебсайта на издателя, нивото на ангажираност на потребителя, принадлежащо към програмата Number_reference_help_: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). (Bulgarian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
A projekt egy virtuális ügynököt fog kifejleszteni – DEEP GLUE – mesterséges intelligencia algoritmusok és valós idejű adatfolyam-feldolgozás használata a termékekből és szolgáltatásokból származó bevételek optimalizálására előfizetési modellekben. A tervezett technológia koncepciója több olyan gépi tanulási módszer kombinálására irányuló kísérletből ered, amelyek a problémák megoldásán dolgoztak (a Google Play, a LinkedIn vagy a Criteo ajánlási rendszerei hatékonyságának radikális javulása a széles körű tanulás kombinációja révén); mély tanulással és alkalmazásukkal automatizálják az előfizetések értékesítését, ahol korábban nem alkalmaztak ilyen módszereket. Az ilyen irány elfogadására irányuló további ösztönzés a nagy adathalmazok valós idejű feldolgozási költségeinek nagymértékű csökkenése, azon adatok nagyságrendjében, amelyeken a kiadók működnek. A projekt célja, hogy olyan optimális gépi tanulási módszereket találjon, amelyek költséghatékony módon további előfizetési bevételt generálnak a kiadók számára. A Deep Glue lehetővé teszi, hogy a következő előnyöket kapja az ügyfelek számára: – A hatékonyság legalább 10%-kal történő növelése a kiadó rendszerében regisztrált megszerzett előfizetések és felhasználók számának legalább 10%-ával a kiadók által korábban használt megoldásokhoz képest. A Deep Glue rendszer által kiválasztott és a felhasználónak bemutatott hiperhivatkozások esetében a CTR (Click-Through Rate) mutató legalább 10%-os növekedése a kiadók által korábban használt eszközökhöz képest – Hosszú távú, mind az elköltött idő mértéke, mind a kiadó honlapján tett látogatások gyakorisága, a Number_reference_help_programhoz tartozó felhasználó elkötelezettségének szintje: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). (Hungarian) | |||||||||||||||
| Property / summary: A projekt egy virtuális ügynököt fog kifejleszteni – DEEP GLUE – mesterséges intelligencia algoritmusok és valós idejű adatfolyam-feldolgozás használata a termékekből és szolgáltatásokból származó bevételek optimalizálására előfizetési modellekben. A tervezett technológia koncepciója több olyan gépi tanulási módszer kombinálására irányuló kísérletből ered, amelyek a problémák megoldásán dolgoztak (a Google Play, a LinkedIn vagy a Criteo ajánlási rendszerei hatékonyságának radikális javulása a széles körű tanulás kombinációja révén); mély tanulással és alkalmazásukkal automatizálják az előfizetések értékesítését, ahol korábban nem alkalmaztak ilyen módszereket. Az ilyen irány elfogadására irányuló további ösztönzés a nagy adathalmazok valós idejű feldolgozási költségeinek nagymértékű csökkenése, azon adatok nagyságrendjében, amelyeken a kiadók működnek. A projekt célja, hogy olyan optimális gépi tanulási módszereket találjon, amelyek költséghatékony módon további előfizetési bevételt generálnak a kiadók számára. A Deep Glue lehetővé teszi, hogy a következő előnyöket kapja az ügyfelek számára: – A hatékonyság legalább 10%-kal történő növelése a kiadó rendszerében regisztrált megszerzett előfizetések és felhasználók számának legalább 10%-ával a kiadók által korábban használt megoldásokhoz képest. A Deep Glue rendszer által kiválasztott és a felhasználónak bemutatott hiperhivatkozások esetében a CTR (Click-Through Rate) mutató legalább 10%-os növekedése a kiadók által korábban használt eszközökhöz képest – Hosszú távú, mind az elköltött idő mértéke, mind a kiadó honlapján tett látogatások gyakorisága, a Number_reference_help_programhoz tartozó felhasználó elkötelezettségének szintje: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). (Hungarian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: A projekt egy virtuális ügynököt fog kifejleszteni – DEEP GLUE – mesterséges intelligencia algoritmusok és valós idejű adatfolyam-feldolgozás használata a termékekből és szolgáltatásokból származó bevételek optimalizálására előfizetési modellekben. A tervezett technológia koncepciója több olyan gépi tanulási módszer kombinálására irányuló kísérletből ered, amelyek a problémák megoldásán dolgoztak (a Google Play, a LinkedIn vagy a Criteo ajánlási rendszerei hatékonyságának radikális javulása a széles körű tanulás kombinációja révén); mély tanulással és alkalmazásukkal automatizálják az előfizetések értékesítését, ahol korábban nem alkalmaztak ilyen módszereket. Az ilyen irány elfogadására irányuló további ösztönzés a nagy adathalmazok valós idejű feldolgozási költségeinek nagymértékű csökkenése, azon adatok nagyságrendjében, amelyeken a kiadók működnek. A projekt célja, hogy olyan optimális gépi tanulási módszereket találjon, amelyek költséghatékony módon további előfizetési bevételt generálnak a kiadók számára. A Deep Glue lehetővé teszi, hogy a következő előnyöket kapja az ügyfelek számára: – A hatékonyság legalább 10%-kal történő növelése a kiadó rendszerében regisztrált megszerzett előfizetések és felhasználók számának legalább 10%-ával a kiadók által korábban használt megoldásokhoz képest. A Deep Glue rendszer által kiválasztott és a felhasználónak bemutatott hiperhivatkozások esetében a CTR (Click-Through Rate) mutató legalább 10%-os növekedése a kiadók által korábban használt eszközökhöz képest – Hosszú távú, mind az elköltött idő mértéke, mind a kiadó honlapján tett látogatások gyakorisága, a Number_reference_help_programhoz tartozó felhasználó elkötelezettségének szintje: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). (Hungarian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Forbróidh an tionscadal gníomhaire fíorúil — DEEP GLUE – algartaim intleachta saorga 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 chun fadhbanna a réiteach a chomhcheangal (feabhas radacach a chur ar éifeachtacht na gcóras moltaí ar Google Play, LinkedIn nó Criteo a fhaightear trí mheascán d’fhoghlaim leathan; le domhainfhoghlaim agus iad a chur i bhfeidhm chun díol síntiús a uathoibriú, i gcás nár úsáideadh modhanna den sórt sin roimhe seo. Is é an spreagadh breise chun treoir den sórt sin a ghlacadh ná laghdú mór ar an gcostas a bhaineann le mórshonraí a phróiseáil i bhfíor-am, ar scála na sonraí ar a n-oibríonn foilsitheoirí. Is é aidhm an tionscadail modhanna meaisínfhoghlama optamacha a aimsiú a ghinfidh ioncam síntiúis breise d’fhoilsitheoirí ar bhealach costéifeachtach. Tabharfaidh Deep Glue deis duit na buntáistí seo a leanas a fháil do chustaiméirí a úsáideann é: — Méadú ar éifeachtúlacht 10 % ar a laghad de líon na síntiús a fuarthas agus na n-úsáideoirí a chláraíonn i gcóras an fhoilsitheora i gcomparáid leis na réitigh a d’úsáid foilsitheoirí roimhe sin. — Méadú 10 % ar a laghad de tháscaire CTR (Click-Through Rate) le haghaidh hipearnaisc arna roghnú agus arna gcur i láthair don úsáideoir ag an gcóras Deep Glue i ndáil le huirlisí a d’úsáid foilsitheoirí roimhe seo — Fadtéarma, arna thomhas de réir an méid ama a caitheadh agus minicíocht na gcuairteanna ar shuíomh gréasáin an fhoilsitheora, leibhéal rannpháirtíochta an úsáideora a bhaineann leis an Number_reference_help_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 catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). (Irish) | |||||||||||||||
| Property / summary: Forbróidh an tionscadal gníomhaire fíorúil — DEEP GLUE – algartaim intleachta saorga 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 chun fadhbanna a réiteach a chomhcheangal (feabhas radacach a chur ar éifeachtacht na gcóras moltaí ar Google Play, LinkedIn nó Criteo a fhaightear trí mheascán d’fhoghlaim leathan; le domhainfhoghlaim agus iad a chur i bhfeidhm chun díol síntiús a uathoibriú, i gcás nár úsáideadh modhanna den sórt sin roimhe seo. Is é an spreagadh breise chun treoir den sórt sin a ghlacadh ná laghdú mór ar an gcostas a bhaineann le mórshonraí a phróiseáil i bhfíor-am, ar scála na sonraí ar a n-oibríonn foilsitheoirí. Is é aidhm an tionscadail modhanna meaisínfhoghlama optamacha a aimsiú a ghinfidh ioncam síntiúis breise d’fhoilsitheoirí ar bhealach costéifeachtach. Tabharfaidh Deep Glue deis duit na buntáistí seo a leanas a fháil do chustaiméirí a úsáideann é: — Méadú ar éifeachtúlacht 10 % ar a laghad de líon na síntiús a fuarthas agus na n-úsáideoirí a chláraíonn i gcóras an fhoilsitheora i gcomparáid leis na réitigh a d’úsáid foilsitheoirí roimhe sin. — Méadú 10 % ar a laghad de tháscaire CTR (Click-Through Rate) le haghaidh hipearnaisc arna roghnú agus arna gcur i láthair don úsáideoir ag an gcóras Deep Glue i ndáil le huirlisí a d’úsáid foilsitheoirí roimhe seo — Fadtéarma, arna thomhas de réir an méid ama a caitheadh agus minicíocht na gcuairteanna ar shuíomh gréasáin an fhoilsitheora, leibhéal rannpháirtíochta an úsáideora a bhaineann leis an Number_reference_help_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 catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). (Irish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Forbróidh an tionscadal gníomhaire fíorúil — DEEP GLUE – algartaim intleachta saorga 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 chun fadhbanna a réiteach a chomhcheangal (feabhas radacach a chur ar éifeachtacht na gcóras moltaí ar Google Play, LinkedIn nó Criteo a fhaightear trí mheascán d’fhoghlaim leathan; le domhainfhoghlaim agus iad a chur i bhfeidhm chun díol síntiús a uathoibriú, i gcás nár úsáideadh modhanna den sórt sin roimhe seo. Is é an spreagadh breise chun treoir den sórt sin a ghlacadh ná laghdú mór ar an gcostas a bhaineann le mórshonraí a phróiseáil i bhfíor-am, ar scála na sonraí ar a n-oibríonn foilsitheoirí. Is é aidhm an tionscadail modhanna meaisínfhoghlama optamacha a aimsiú a ghinfidh ioncam síntiúis breise d’fhoilsitheoirí ar bhealach costéifeachtach. Tabharfaidh Deep Glue deis duit na buntáistí seo a leanas a fháil do chustaiméirí a úsáideann é: — Méadú ar éifeachtúlacht 10 % ar a laghad de líon na síntiús a fuarthas agus na n-úsáideoirí a chláraíonn i gcóras an fhoilsitheora i gcomparáid leis na réitigh a d’úsáid foilsitheoirí roimhe sin. — Méadú 10 % ar a laghad de tháscaire CTR (Click-Through Rate) le haghaidh hipearnaisc arna roghnú agus arna gcur i láthair don úsáideoir ag an gcóras Deep Glue i ndáil le huirlisí a d’úsáid foilsitheoirí roimhe seo — Fadtéarma, arna thomhas de réir an méid ama a caitheadh agus minicíocht na gcuairteanna ar shuíomh gréasáin an fhoilsitheora, leibhéal rannpháirtíochta an úsáideora a bhaineann leis an Number_reference_help_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 catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). (Irish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Projektet kommer att utveckla en virtuell agent – DEEP GLUE – använda artificiell intelligens algoritmer och realtid dataströmsbehandling 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 arbetat för att lösa problem (vid en radikal förbättring av effektiviteten hos rekommendationssystem på Google Play, LinkedIn eller Criteo som erhållits genom en kombination av brett lärande; med djup inlärning och tillämpning av dem för att automatisera försäljningen av prenumerationer, där sådana metoder inte tidigare har använts. En ytterligare stimulans för att anta en sådan riktning är en stor minskning av kostnaden för att bearbeta stordata i realtid, i den omfattning som utgivarna verkar på. Syftet med projektet är att hitta optimala maskininlärningsmetoder som kommer att generera ytterligare prenumerationsintäkter för utgivare på ett kostnadseffektivt sätt. Deep Glue gör att du kan få följande fördelar för kunder som använder det: — En effektivitetsökning med minst 10 % av antalet förvärvade prenumerationer och användare som registrerar sig i förlagets system jämfört med tidigare använda lösningar av utgivare. — En ökning med minst 10 % av indikatorn CTR (Click-Through Rate) för hyperlänkar som valts ut och presenteras för användaren av Deep Lime-systemet i förhållande till verktyg som tidigare använts av utgivare – Långsiktiga, mätta både genom tidsåtgång och frekvensen av besök på utgivarens webbplats, graden av engagemang hos den användare som tillhör Number_reference_help_programmet: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). (Swedish) | |||||||||||||||
| Property / summary: Projektet kommer att utveckla en virtuell agent – DEEP GLUE – använda artificiell intelligens algoritmer och realtid dataströmsbehandling 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 arbetat för att lösa problem (vid en radikal förbättring av effektiviteten hos rekommendationssystem på Google Play, LinkedIn eller Criteo som erhållits genom en kombination av brett lärande; med djup inlärning och tillämpning av dem för att automatisera försäljningen av prenumerationer, där sådana metoder inte tidigare har använts. En ytterligare stimulans för att anta en sådan riktning är en stor minskning av kostnaden för att bearbeta stordata i realtid, i den omfattning som utgivarna verkar på. Syftet med projektet är att hitta optimala maskininlärningsmetoder som kommer att generera ytterligare prenumerationsintäkter för utgivare på ett kostnadseffektivt sätt. Deep Glue gör att du kan få följande fördelar för kunder som använder det: — En effektivitetsökning med minst 10 % av antalet förvärvade prenumerationer och användare som registrerar sig i förlagets system jämfört med tidigare använda lösningar av utgivare. — En ökning med minst 10 % av indikatorn CTR (Click-Through Rate) för hyperlänkar som valts ut och presenteras för användaren av Deep Lime-systemet i förhållande till verktyg som tidigare använts av utgivare – Långsiktiga, mätta både genom tidsåtgång och frekvensen av besök på utgivarens webbplats, graden av engagemang hos den användare som tillhör Number_reference_help_programmet: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). (Swedish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Projektet kommer att utveckla en virtuell agent – DEEP GLUE – använda artificiell intelligens algoritmer och realtid dataströmsbehandling 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 arbetat för att lösa problem (vid en radikal förbättring av effektiviteten hos rekommendationssystem på Google Play, LinkedIn eller Criteo som erhållits genom en kombination av brett lärande; med djup inlärning och tillämpning av dem för att automatisera försäljningen av prenumerationer, där sådana metoder inte tidigare har använts. En ytterligare stimulans för att anta en sådan riktning är en stor minskning av kostnaden för att bearbeta stordata i realtid, i den omfattning som utgivarna verkar på. Syftet med projektet är att hitta optimala maskininlärningsmetoder som kommer att generera ytterligare prenumerationsintäkter för utgivare på ett kostnadseffektivt sätt. Deep Glue gör att du kan få följande fördelar för kunder som använder det: — En effektivitetsökning med minst 10 % av antalet förvärvade prenumerationer och användare som registrerar sig i förlagets system jämfört med tidigare använda lösningar av utgivare. — En ökning med minst 10 % av indikatorn CTR (Click-Through Rate) för hyperlänkar som valts ut och presenteras för användaren av Deep Lime-systemet i förhållande till verktyg som tidigare använts av utgivare – Långsiktiga, mätta både genom tidsåtgång och frekvensen av besök på utgivarens webbplats, graden av engagemang hos den användare som tillhör Number_reference_help_programmet: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). (Swedish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
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 töötanud probleemide lahendamiseks (võivad radikaalselt parandada Google Play, LinkedIni või Criteo soovitussüsteemide tõhusust, mis on saadud laia õppimise kombinatsiooni kaudu; sügav õppimine ja nende rakendamine tellimuste müügi automatiseerimiseks, kui selliseid meetodeid ei ole varem kasutatud. Täiendav stiimul sellise suuna vastuvõtmiseks on suurandmete reaalajas töötlemise kulude suur vähenemine nende andmete ulatuses, kus kirjastajad tegutsevad. Projekti eesmärk on leida optimaalsed masinõppe meetodid, mis toovad kirjastajatele kulutõhusal viisil täiendavat liitumistulu. Sügav Glue võimaldab teil saada järgmisi eeliseid klientidele, kes seda kasutavad: – Võrreldes kirjastajate poolt varem kasutatud lahendustega suureneb tõhusus vähemalt 10 % võrra omandatud tellimuste ja kasutajate arvust, kes registreeruvad kirjastaja süsteemis. – Süvaliimisüsteemi poolt kasutajale valitud ja kasutajale esitatud hüperlinkide CTR (Click-Tough Rate) näitaja suurenemine vähemalt 10 % võrreldes väljaandjate poolt varem kasutatud tööriistadega – Pikaajaline, mõõdetuna nii ajakulu kui ka kirjastaja veebisaidi külastamise sageduse, programmi Number_reference_help_programmi kuuluva kasutaja kaasamise taseme järgi: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). (Estonian) | |||||||||||||||
| Property / summary: 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 töötanud probleemide lahendamiseks (võivad radikaalselt parandada Google Play, LinkedIni või Criteo soovitussüsteemide tõhusust, mis on saadud laia õppimise kombinatsiooni kaudu; sügav õppimine ja nende rakendamine tellimuste müügi automatiseerimiseks, kui selliseid meetodeid ei ole varem kasutatud. Täiendav stiimul sellise suuna vastuvõtmiseks on suurandmete reaalajas töötlemise kulude suur vähenemine nende andmete ulatuses, kus kirjastajad tegutsevad. Projekti eesmärk on leida optimaalsed masinõppe meetodid, mis toovad kirjastajatele kulutõhusal viisil täiendavat liitumistulu. Sügav Glue võimaldab teil saada järgmisi eeliseid klientidele, kes seda kasutavad: – Võrreldes kirjastajate poolt varem kasutatud lahendustega suureneb tõhusus vähemalt 10 % võrra omandatud tellimuste ja kasutajate arvust, kes registreeruvad kirjastaja süsteemis. – Süvaliimisüsteemi poolt kasutajale valitud ja kasutajale esitatud hüperlinkide CTR (Click-Tough Rate) näitaja suurenemine vähemalt 10 % võrreldes väljaandjate poolt varem kasutatud tööriistadega – Pikaajaline, mõõdetuna nii ajakulu kui ka kirjastaja veebisaidi külastamise sageduse, programmi Number_reference_help_programmi kuuluva kasutaja kaasamise taseme järgi: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). (Estonian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: 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 töötanud probleemide lahendamiseks (võivad radikaalselt parandada Google Play, LinkedIni või Criteo soovitussüsteemide tõhusust, mis on saadud laia õppimise kombinatsiooni kaudu; sügav õppimine ja nende rakendamine tellimuste müügi automatiseerimiseks, kui selliseid meetodeid ei ole varem kasutatud. Täiendav stiimul sellise suuna vastuvõtmiseks on suurandmete reaalajas töötlemise kulude suur vähenemine nende andmete ulatuses, kus kirjastajad tegutsevad. Projekti eesmärk on leida optimaalsed masinõppe meetodid, mis toovad kirjastajatele kulutõhusal viisil täiendavat liitumistulu. Sügav Glue võimaldab teil saada järgmisi eeliseid klientidele, kes seda kasutavad: – Võrreldes kirjastajate poolt varem kasutatud lahendustega suureneb tõhusus vähemalt 10 % võrra omandatud tellimuste ja kasutajate arvust, kes registreeruvad kirjastaja süsteemis. – Süvaliimisüsteemi poolt kasutajale valitud ja kasutajale esitatud hüperlinkide CTR (Click-Tough Rate) näitaja suurenemine vähemalt 10 % võrreldes väljaandjate poolt varem kasutatud tööriistadega – Pikaajaline, mõõdetuna nii ajakulu kui ka kirjastaja veebisaidi külastamise sageduse, programmi Number_reference_help_programmi kuuluva kasutaja kaasamise taseme järgi: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). (Estonian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| 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 | |||||||||||||||
| Property / beneficiary | |||||||||||||||
| Property / beneficiary: DEEP BI POLAND SP. Z O.O. / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / beneficiary name (string) | |||||||||||||||
DEEP BI POLAND SP. Z O.O. | |||||||||||||||
| Property / beneficiary name (string): DEEP BI POLAND SP. Z O.O. / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / thematic objective | |||||||||||||||
| Property / thematic objective: Research and innovation / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / end time | |||||||||||||||
30 June 2022
| |||||||||||||||
| Property / end time: 30 June 2022 / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / date of last update | |||||||||||||||
24 May 2023
| |||||||||||||||
| Property / date of last update: 24 May 2023 / rank | |||||||||||||||
Normal rank | |||||||||||||||
Latest revision as of 21:43, 12 October 2024
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
30 June 2022
0 references
DEEP BI POLAND SP. Z O.O.
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
0.5640447436955228
0 references
Le projet développera un agent virtuel — DEEP GLUE – utilisation d’algorithmes d’intelligence artificielle 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 découle d’une tentative de combiner plusieurs méthodes d’apprentissage automatique qui ont travaillé à résoudre des problèmes (ce qui apporte une amélioration radicale de l’efficacité des systèmes de recommandation sur Google Play, LinkedIn ou Criteo obtenu grâce à une combinaison de larges apprentissages; avec l’apprentissage profond et leur application pour automatiser la vente d’abonnements, lorsque de telles méthodes n’ont pas été utilisées auparavant. Un stimulant supplémentaire pour adopter une telle direction est une forte diminution du coût du traitement des mégadonnées en temps réel, à l’échelle des données sur lesquelles opèrent les éditeurs. L’objectif du projet est de trouver des méthodes d’apprentissage automatique optimales qui généreront des revenus d’abonnement supplémentaires pour les éditeurs de manière rentable. Deep Glue vous permettra d’obtenir les avantages suivants pour les clients qui l’utilisent: — Une augmentation de l’efficacité d’au moins 10 % du nombre d’abonnements acquis et d’utilisateurs inscrits dans le système de l’éditeur par rapport aux solutions précédemment utilisées par les éditeurs. — Une augmentation d’au moins 10 % de l’indicateur CTR (Click-Through Rate) pour les hyperliens sélectionnés et présentés à l’utilisateur par le système 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 sur le site web de l’éditeur, le niveau d’engagement de l’utilisateur appartenant au programme Number_reference_help_: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). (French)
30 November 2021
0 references
Das Projekt wird einen virtuellen Agenten entwickeln – DEEP GLUE – Einsatz künstlicher Intelligenz Algorithmen und Echtzeit-Datenstromverarbeitung zur Optimierung des Umsatzes aus Produkten und Dienstleistungen in Abonnementmodellen. Das Konzept der geplanten Technologie beruht auf dem Versuch, mehrere Methoden des maschinellen Lernens zu kombinieren, die an der Lösung von Problemen gearbeitet haben (z. B. eine radikale Verbesserung der Wirksamkeit der Empfehlungssysteme bei Google Play, LinkedIn oder Criteo, die durch eine Kombination aus breitem Lernen erzielt wurden; mit Deep Learning und deren Anwendung, um den Verkauf von Abonnements zu automatisieren, wenn solche Methoden bisher nicht verwendet wurden. Ein zusätzlicher Anreiz, eine solche Richtung zu übernehmen, ist ein erheblicher Rückgang der Kosten für die Verarbeitung von Big Data in Echtzeit auf dem Umfang der Daten, auf denen Publisher tätig sind. Ziel des Projekts ist es, optimale Methoden des maschinellen Lernens zu finden, die auf kosteneffiziente Weise zusätzliche Abonnementeinnahmen für Verlage generieren. Deep Glue ermöglicht es Ihnen, die folgenden Vorteile für Kunden zu erhalten, die es verwenden: — Eine Steigerung der Effizienz um mindestens 10 % der Anzahl der erworbenen Abonnements und Nutzer, die sich im Verlagssystem registrieren, verglichen mit den zuvor verwendeten Lösungen von Publishern. — Eine Erhöhung des CTR-Indikators (Click-Through Rate) um mindestens 10 % für Hyperlinks, die vom Deep Glue-System ausgewählt und dem Benutzer in Bezug auf zuvor von Verlagen verwendete Tools präsentiert werden – Langfristig, gemessen sowohl an der Zeitmessung als auch an der Häufigkeit der Besuche auf der Website des Herausgebers, dem Grad der Einbindung des Benutzers, der zum Programm Number_reference_help_ gehört: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: 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 Das war’s. EU L 187/1 vom 26.6.2014). (German)
7 December 2021
0 references
Het project zal een virtuele agent ontwikkelen — DEEP GLUE – met behulp van kunstmatige intelligentie algoritmen en real-time datastream processing om de inkomsten uit producten en diensten in abonnementsmodellen te optimaliseren. Het concept van de geplande technologie komt voort uit een poging om verschillende machine learning-methoden te combineren die hebben gewerkt om problemen op te lossen (vide een radicale verbetering in de effectiviteit van aanbevelingssystemen op Google Play, LinkedIn of Criteo verkregen door een combinatie van breed leren; met deep learning en toepassing ervan om de verkoop van abonnementen te automatiseren, waar dergelijke methoden niet eerder zijn gebruikt. Een extra stimulans om een dergelijke richting aan te nemen is een grote daling van de kosten van de verwerking van big data in real time, op de schaal van de gegevens waarop uitgevers actief zijn. Het doel van het project is om optimale machine learning methoden te vinden die op een kosteneffectieve manier extra abonnementsinkomsten voor uitgevers genereren. Deep Glue stelt u in staat om de volgende voordelen te krijgen voor klanten die het gebruiken: — Een verhoging van de efficiëntie met ten minste 10 % van het aantal verworven abonnementen en gebruikers die zich in het systeem van de uitgever registreren ten opzichte van de eerder gebruikte oplossingen door uitgevers. — Een verhoging met ten minste 10 % van de CTR-indicator (Click-Through Rate) voor hyperlinks die door het Deep Glue-systeem aan de gebruiker zijn geselecteerd en gepresenteerd met betrekking tot instrumenten die eerder door uitgevers werden gebruikt — Langdurig, gemeten aan de hand van zowel de hoeveelheid tijd die wordt besteed als de frequentie van bezoeken aan de website van de uitgever, de mate van betrokkenheid van de gebruiker die tot het Number_reference_help_programma behoort: SA.41471(2015/X) Doel van de overheidssteun: 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 Dat is het. EU L 187/1 van 26.6.2014). (Dutch)
16 December 2021
0 references
Il progetto svilupperà un agente virtuale — DEEP GLUE – utilizzando algoritmi di intelligenza artificiale e l'elaborazione in tempo reale del flusso di dati per ottimizzare i ricavi da prodotti e servizi nei modelli di abbonamento. Il concetto di tecnologia pianificata nasce dal tentativo di combinare diversi metodi di apprendimento automatico che hanno lavorato per risolvere i problemi (visto un radicale miglioramento dell'efficacia dei sistemi di raccomandazione su Google Play, LinkedIn o Criteo ottenuti attraverso una combinazione di ampio apprendimento; con deep learning e applicandoli per automatizzare la vendita di abbonamenti, dove tali metodi non sono stati utilizzati in precedenza. Un ulteriore stimolo ad adottare una tale direzione è una forte diminuzione del costo di elaborazione dei big data in tempo reale, sulla scala dei dati su cui operano gli editori. L'obiettivo del progetto è quello di trovare metodi di machine learning ottimali che genereranno ulteriori entrate in abbonamento per gli editori in modo conveniente. Deep Glue ti permetterà di ottenere i seguenti vantaggi per i clienti che lo utilizzano: — Un aumento dell'efficienza di almeno il 10 % del numero di abbonamenti acquisiti e di utenti che si registrano nel sistema dell'editore rispetto alle soluzioni utilizzate in precedenza dagli editori. — Un aumento di almeno il 10 % dell'indicatore CTR (Click-Through Rate) per collegamenti ipertestuali selezionati e presentati all'utente dal sistema Deep Glue in relazione agli strumenti precedentemente utilizzati dagli editori — Lungo termine, misurato sia dalla misura del tempo trascorso che dalla frequenza delle visite al sito web dell'editore, il livello di coinvolgimento dell'utente appartenente al programma Number_reference_help_help_: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. 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 inteligencia artificial y procesamiento de flujo de datos en tiempo real para optimizar los ingresos de productos y servicios en modelos de suscripción. El concepto de la tecnología planificada se deriva de un intento de combinar varios métodos de aprendizaje automático que han funcionado para resolver problemas (vivo una mejora radical en la eficacia de los sistemas de recomendación en Google Play, LinkedIn o Criteo obtenido a través de una combinación de amplio aprendizaje; con aprendizaje profundo y aplicándolos para automatizar la venta de suscripciones, donde dichos métodos no se han utilizado previamente. Un estímulo adicional para adoptar tal dirección es una gran disminución en el costo del procesamiento de big data en tiempo real, a la escala de los datos en los 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: — Un aumento de la eficiencia en al menos un 10 % del número de suscripciones adquiridas y usuarios que se registran en el sistema del editor en comparación con las soluciones utilizadas anteriormente por los editores. — Un incremento de al menos el 10 % del indicador CTR (Click-Through Rate) para hipervínculos seleccionados y presentados al usuario por el sistema Deep Glue en relación con herramientas utilizadas previamente por los editores — A largo plazo, medido tanto por la medida del tiempo empleado como por la frecuencia de visitas al sitio web del editor, el nivel de participación del usuario perteneciente al programa Number_reference_help_programme: SA.41471(2015/X) Objetivo de la ayuda pública: 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 la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). (Spanish)
19 January 2022
0 references
Projektet vil udvikle en virtuel agent — DEEP GLUE – brug af algoritmer til kunstig intelligens og datastrømsbehandling i realtid for at optimere indtægterne fra produkter og tjenester i abonnementsmodeller. Konceptet med den planlagte teknologi stammer fra et forsøg på at kombinere flere maskinlæringsmetoder, der har arbejdet for at løse problemer (en radikal forbedring af effektiviteten af anbefalingssystemer på Google Play, LinkedIn eller Criteo opnået gennem en kombination af bred læring; med dyb læring og anvendelse af dem til at automatisere salget af abonnementer, hvor sådanne metoder ikke tidligere er blevet anvendt. En yderligere stimulans for at vedtage en sådan retning er et stort fald i omkostningerne ved at behandle big data i realtid i forhold til omfanget af de data, som udgiverne opererer på. Formålet med projektet er at finde optimale maskinlæringsmetoder, der vil generere yderligere abonnementsindtægter for udgivere på en omkostningseffektiv måde. Deep Glue vil give dig mulighed for at få følgende fordele for kunder, der bruger det: — En forøgelse af effektiviteten på mindst 10 % af antallet af erhvervede abonnementer og brugere, der registrerer sig i udgiverens system, sammenlignet med udgivernes tidligere anvendte løsninger. — En stigning på mindst 10 % af CTR-indikatoren (Click-Through Rate) for hyperlinks, der er udvalgt og præsenteret for brugeren af Deep Glue-systemet i forhold til værktøjer, der tidligere anvendes af udgivere — Lang sigt målt både ved måling af brugt tid og hyppigheden af besøg på udgiverens websted, graden af engagement hos den bruger, der tilhører Number_reference_help_programmet: 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 Det er det. EU L 187/1 af 26.6.2014). (Danish)
25 July 2022
0 references
Το έργο θα αναπτύξει έναν εικονικό πράκτορα — DEEP GLUE &ndash· χρήση αλγορίθμων τεχνητής νοημοσύνης και επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο για τη βελτιστοποίηση των εσόδων από προϊόντα και υπηρεσίες σε συνδρομητικά μοντέλα. Η έννοια της σχεδιαζόμενης τεχνολογίας απορρέει από μια προσπάθεια συνδυασμού διαφόρων μεθόδων μηχανικής μάθησης που έχουν εργαστεί για την επίλυση προβλημάτων (αποδεικνύεται μια ριζική βελτίωση της αποτελεσματικότητας των συστημάτων συστάσεων στο Google Play, στο LinkedIn ή στο Criteo που αποκτήθηκαν μέσω ενός συνδυασμού ευρείας μάθησης· με βαθιά μάθηση και εφαρμογή τους για την αυτοματοποίηση της πώλησης συνδρομών, όπου τέτοιες μέθοδοι δεν έχουν χρησιμοποιηθεί προηγουμένως. Ένα πρόσθετο κίνητρο για την υιοθέτηση μιας τέτοιας κατεύθυνσης είναι η μεγάλη μείωση του κόστους επεξεργασίας μεγάλων δεδομένων σε πραγματικό χρόνο, στην κλίμακα των δεδομένων στην οποία λειτουργούν οι εκδότες. Στόχος του έργου είναι η εξεύρεση βέλτιστων μεθόδων μηχανικής μάθησης που θα δημιουργήσουν πρόσθετα έσοδα συνδρομής για τους εκδότες με οικονομικά αποδοτικό τρόπο. Βαθιά κόλλα θα σας επιτρέψει να πάρετε τα ακόλουθα οφέλη για τους πελάτες που το χρησιμοποιούν: — Αύξηση της αποτελεσματικότητας κατά τουλάχιστον 10 % του αριθμού των συνδρομών που αποκτήθηκαν και των χρηστών που εγγράφηκαν στο σύστημα του εκδότη σε σύγκριση με τις λύσεις που χρησιμοποιούσαν προηγουμένως οι εκδότες. — Αύξηση τουλάχιστον 10 % του δείκτη CTR (Click-Through Rate) για τους υπερσυνδέσμους που επιλέγονται και παρουσιάζονται στον χρήστη από το σύστημα Deep Glue σε σχέση με τα εργαλεία που χρησιμοποιούν προηγουμένως οι εκδότες — Μακροπρόθεσμα, μετρούμενα τόσο από το μέτρο του χρόνου που δαπανάται όσο και από τη συχνότητα των επισκέψεων στην ιστοσελίδα του εκδότη, το επίπεδο εμπλοκής του χρήστη που ανήκει στο πρόγραμμα Number_reference_help_: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). (Greek)
25 July 2022
0 references
U okviru projekta razvit će se virtualni agent – DEEP GLUE – upotreba algoritama umjetne inteligencije i obrada tokova podataka u stvarnom vremenu za optimizaciju prihoda od proizvoda i usluga u modelima pretplate. Koncept planirane tehnologije proizlazi iz pokušaja kombiniranja nekoliko metoda strojnog učenja koje su radile na rješavanju problema (dokazuje radikalno poboljšanje učinkovitosti sustava preporuka na Google Play, LinkedIn ili Criteo dobiveno kombinacijom širokog učenja; s dubokim učenjem i njihovom primjenom kako bi se automatizirala prodaja pretplata, ako takve metode prethodno nisu korištene. Dodatni poticaj za usvajanje takvog smjera je veliko smanjenje troškova obrade velikih podataka u stvarnom vremenu, na razini podataka na kojima izdavači posluju. Cilj projekta je pronaći optimalne metode strojnog učenja koje će na ekonomičan način generirati dodatne prihode od pretplate za izdavače. Duboko ljepilo omogućit će vam da dobijete sljedeće pogodnosti za korisnike koji ga koriste: — Povećanje učinkovitosti za najmanje 10 % broja stečenih pretplata i korisnika koji se registriraju u sustavu izdavača u usporedbi s prethodno korištenim rješenjima izdavača. — Povećanje od najmanje 10 % pokazatelja CTR (Click-Through Rate) za hiperpoveznice koje je sustav Deep ljepilo odabrao i predstavio korisniku u odnosu na alate koje su prethodno koristili izdavači – Dugoročno, mjereno i mjerom utrošenog vremena i učestalošću posjeta internetskim stranicama izdavača, razina angažmana korisnika koji pripada programu Number_reference_help_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). (Croatian)
25 July 2022
0 references
Proiectul va dezvolta un agent virtual – DEEP GLUE – utilizarea algoritmilor de inteligență artificială și procesarea fluxului de date în timp real pentru a optimiza veniturile din produse și servicii în modelele de abonamente. Conceptul de tehnologie planificată provine dintr-o încercare de a combina mai multe metode de învățare automată care au lucrat pentru a rezolva problemele (o îmbunătățire radicală a eficacității sistemelor de recomandare pe Google Play, LinkedIn sau Criteo obținute printr-o combinație de învățare largă; cu învățare profundă și aplicarea acestora pentru a automatiza vânzarea de abonamente, în cazul în care astfel de metode nu au fost utilizate anterior. Un stimulent suplimentar pentru adoptarea unei astfel de direcții este o scădere semnificativă a costului prelucrării volumelor mari de date în timp real, la scara datelor pe care își desfășoară activitatea editorii. Scopul proiectului este de a găsi metode optime de învățare automată care să genereze venituri suplimentare din abonament pentru editori într-un mod eficient din punct de vedere al costurilor. Deep Glue vă va permite să obțineți următoarele beneficii pentru clienții care îl folosesc: O creștere a eficienței cu cel puțin 10 % a numărului de abonamente achiziționate și de utilizatori care se înregistrează în sistemul editorului în comparație cu soluțiile utilizate anterior de editori. O creștere de cel puțin 10 % a indicatorului CTR (Click-Through Rate) pentru hyperlink-urile selectate și prezentate utilizatorului de sistemul Deep Glue în raport cu instrumentele utilizate anterior de editori – pe termen lung, măsurat atât prin măsura timpului petrecut, cât și prin frecvența vizitelor pe site-ul web al editorului, nivelul de implicare a utilizatorului care aparține Number_reference_help_programme: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). (Romanian)
25 July 2022
0 references
Projekt vytvorí virtuálneho agenta – DEEP GLUE – využívanie algoritmov umelej inteligencie a spracovania toku dát v reálnom čase na optimalizáciu príjmov z produktov a služieb v modeloch predplatného. Koncepcia plánovanej technológie vychádza z pokusu spojiť niekoľko metód strojového učenia, ktoré pracovali na riešení problémov (predstavujú radikálne zlepšenie účinnosti odporúčacích systémov na Google Play, LinkedIn alebo Criteo získaných kombináciou širokého učenia; s hlbokým učením a ich uplatňovaním na automatizáciu predaja predplatného, ak sa takéto metódy predtým nepoužívali. Ďalším stimulom na prijatie takéhoto smeru je veľký pokles nákladov na spracovanie veľkých dát v reálnom čase v rozsahu údajov, na ktorých pôsobia vydavatelia. Cieľom projektu je nájsť optimálne metódy strojového učenia, ktoré vygenerujú dodatočné príjmy z predplatného pre vydavateľov nákladovo efektívnym spôsobom. Deep Glue vám umožní získať nasledujúce výhody pre zákazníkov, ktorí ho používajú: — Zvýšenie efektívnosti aspoň o 10 % z počtu získaných predplatiteľov a používateľov, ktorí sa zaregistrovali v systéme vydavateľov v porovnaní s predtým používanými riešeniami vydavateľov. — Zvýšenie aspoň o 10 % ukazovateľa CTR (Click-Through Rate) pre hypertextové odkazy vybrané a prezentované používateľovi systémom Deep Glue vo vzťahu k nástrojom, ktoré predtým používali vydavatelia – Dlhodobé, merané na základe miery stráveného času a frekvencie návštev webových stránok vydavateľa, úroveň zapojenia používateľa patriaceho do programu Number_reference_help_help_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). (Slovak)
25 July 2022
0 references
Il-proġett se jiżviluppa aġent virtwali — DEEP GLUE – l-użu ta’ algoritmi ta’ intelliġenza artifiċjali 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 biex isolvu l-problemi (tagħti titjib radikali fl-effettività tas-sistemi ta’ rakkomandazzjoni dwar Google Play, LinkedIn jew Criteo miksuba permezz ta’ kombinazzjoni ta’ tagħlim wiesa’; b’tagħlim profond u l-applikazzjoni tagħhom biex jawtomatizzaw il-bejgħ ta ‘abbonamenti, fejn metodi bħal dawn ma jkunux intużaw qabel. Stimolu addizzjonali biex tiġi adottata direzzjoni bħal din huwa tnaqqis kbir fl-ispiża tal-ipproċessar tal-big data f’ħin reali, fuq l-iskala tad-data li fuqha joperaw il-pubblikaturi. L-għan tal-proġett huwa li jinstabu metodi ottimali ta’ tagħlim awtomatiku li jiġġeneraw dħul addizzjonali mill-abbonamenti għall-pubblikaturi b’mod kosteffettiv. Glue Deep se jippermetti li inti tikseb il-benefiċċji li ġejjin għall-klijenti li jużawha: — Żieda fl-effiċjenza b’mill-inqas 10 % tan-numru ta’ abbonamenti akkwistati u utenti li jirreġistraw fis-sistema tal-pubblikatur meta mqabbla mas-soluzzjonijiet użati qabel mill-pubblikaturi. — Żieda ta’ mill-inqas 10 % tal-indikatur tas-CTR (CClick-Through Rate) għall-hyperlinks magħżula u ppreżentati lill-utent mis-sistema Deep Glue fir-rigward tal-għodod użati preċedentement mill-pubblikaturi — Tul ta’ żmien, imkejjel kemm mill-kejl tal-ħin imqatta’ kif ukoll mill-frekwenza taż-żjarat fis-sit web tal-pubblikatur, il-livell ta’ involviment tal-utent li jappartjeni għan-Numru_reference_help_programme: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). (Maltese)
25 July 2022
0 references
O projeto desenvolverá um agente virtual – DEEP GLUE – utilização de algoritmos de IA e processamento de fluxos de dados em tempo real para otimizar as receitas de produtos e serviços em modelos de subscrição. O conceito da tecnologia planeada decorre de uma tentativa de combinar vários métodos de aprendizagem automática que têm funcionado bem na resolução de problemas (vide melhoria radical da eficiência dos sistemas de recomendação no Google Play, LinkedIn ou Criteo conseguida através de uma combinação de aprendizagem alargada ” com o “ Ensino profundo) e usá-los para automatizar as vendas de assinaturas onde tais métodos não tenham sido utilizados anteriormente. Um incentivo adicional para tomar esta direção é a grande diminuição do custo do processamento de megadados em tempo real, com a escala de dados em que os editores operam. O objetivo do projeto é encontrar métodos ótimos de aprendizagem automática que proporcionem, de forma eficaz em termos de custos, receitas adicionais de assinaturas aos editores. A Deep Glue fornecerá os seguintes benefícios para os clientes que a utilizam: — Aumentar a eficácia em, pelo menos, 10 % do número de subscrições obtidas e de utilizadores registados no sistema de editores em relação a soluções anteriores utilizadas pelos editores. — Aumentar, em pelo menos 10 %, a CTR (Click-Through Rate) para as hiperligações selecionadas e apresentadas ao utilizador pelo sistema Deep Glue em relação às ferramentas utilizadas pelos editores — Longo prazo, medido tanto pelo tempo despendido como pela frequência das visitas ao serviço do editor, o nível de envolvimento do utilizador pertencente ao Numer_reference_aid_programme: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em 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 virtuaalinen agentti – DEEP GLUE – käyttämällä tekoälyalgoritmeja ja reaaliaikaista datavirrankäsittelyä tuotteiden ja palveluiden tuoton optimoimiseksi tilausmalleissa. Suunnitellun teknologian käsite perustuu pyrkimykseen yhdistää useita koneoppimisen menetelmiä, jotka ovat työskennelleet ongelmien ratkaisemiseksi (näyttää radikaalia parannusta Google Playn, LinkedInin tai Criteon suositusjärjestelmien tehokkuudessa, joka on saatu laajan oppimisen yhdistelmällä; syväoppiminen ja niiden soveltaminen tilausten myynnin automatisointiin, jos tällaisia menetelmiä ei ole aiemmin käytetty. Lisäkannustin tällaisen suunnan omaksumiseksi on suurten tietojen reaaliaikaisen käsittelyn kustannusten suuri väheneminen siinä määrin kuin julkaisijat toimivat. Hankkeen tavoitteena on löytää optimaaliset koneoppimismenetelmät, jotka tuottavat kustannustehokkaalla tavalla lisää tilaustuloja kustantajille. Deep Glue antaa sinulle seuraavat edut sitä käyttäville asiakkaille: — Tehokkuuden lisääminen vähintään 10 prosentilla kustantajan järjestelmään rekisteröityneiden tilausten ja käyttäjien määrästä verrattuna kustantajien aiemmin käyttämiin ratkaisuihin. — CTR-indikaattorin (Click-Through Rate) lisäys vähintään 10 prosentilla Deep Glue -järjestelmän käyttäjälle valitsemien ja käyttäjälle esittämien hyperlinkkien osalta suhteessa julkaisijoiden aiemmin käyttämiin työkaluihin – Pitkäaikaisuus, jota mitataan sekä käytetyn ajan mittauksella että julkaisijan verkkosivustolla käyntitiheydellä, Number_reference_help_ohjelmaan kuuluvan käyttäjän sitoutumisen tasolla: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. (Finnish)
25 July 2022
0 references
Projekt bo razvil virtualni agent – DEEP GLUE – uporaba algoritmov umetne inteligence in obdelave podatkov v realnem času za optimizacijo prihodkov od izdelkov in storitev v naročniških modelih. Koncept načrtovane tehnologije izhaja iz poskusa kombiniranja več metod strojnega učenja, ki so pomagale rešiti težave (dokazati korenito izboljšanje učinkovitosti priporočilnih sistemov v Googlu Play, LinkedInu ali Criteu, pridobljenih s kombinacijo širokega učenja; z globokim učenjem in uporabo za avtomatizacijo prodaje naročnin, kjer takšne metode še niso bile uporabljene. Dodatna spodbuda za sprejetje takšne usmeritve je veliko zmanjšanje stroškov obdelave masovnih podatkov v realnem času, v obsegu podatkov, na katerih delujejo založniki. Cilj projekta je najti optimalne metode strojnega učenja, ki bodo založnikom na stroškovno učinkovit način ustvarile dodatne prihodke od naročnine. Globoko lepilo vam bo omogočilo, da dobite naslednje prednosti za stranke, ki ga uporabljajo: Povečanje učinkovitosti za vsaj 10 % števila pridobljenih naročnin in uporabnikov, ki se registrirajo v sistemu založnika, v primerjavi s prej uporabljenimi rešitvami založnikov. — Povečanje za vsaj 10 % kazalnika CTR (Click-Through Rate) za hiperpovezave, ki jih uporabnik izbere in predstavi uporabniku v zvezi z orodji, ki so jih prej uporabljali založniki – Dolgoročno, merjeno z merilom porabljenega časa in pogostostjo obiskov na spletni strani založnika, stopnjo angažiranosti uporabnika, ki pripada programu Number_reference_help_: 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 To je vse. EU L 187/1 z dne 26.6.2014). (Slovenian)
25 July 2022
0 references
Projekt vytvoří virtuálního agenta – 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 ze snahy kombinovat několik metod strojového učení, které pracovaly na řešení problémů (zajistit radikální zlepšení účinnosti systémů doporučení na Google Play, LinkedIn nebo Criteo získané kombinací širokého učení; s hlubokým učením a jejich použitím k automatizaci prodeje předplatného, kde tyto metody nebyly dříve použity. Dalším podnětem k přijetí takového směru je velký pokles nákladů na zpracování velkých dat v reálném čase, a to v rozsahu dat, na nichž vydavatelé působí. Cílem projektu je nalézt optimální metody strojového učení, které budou pro vydavatele generovat dodatečné příjmy z předplatného nákladově efektivním způsobem. Deep Glue vám umožní získat následující výhody pro zákazníky, kteří jej používají: Zvýšení účinnosti nejméně o 10 % počtu získaných předplatných a uživatelů, kteří se registrují v systému vydavatele, ve srovnání s dříve používanými řešeními vydavatelů. — Zvýšení ukazatele CTR (Click-Through Rate) nejméně o 10 % u hypertextových odkazů vybraných a prezentovaných uživateli systémem Deep Glue ve vztahu k nástrojům dříve používaným vydavateli – Dlouhodobý, měřený jak mírou stráveného času, tak četností návštěv na internetových stránkách vydavatele, mírou zapojení uživatele patřícího do programu Number_reference_help_programu: 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 kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). (Czech)
25 July 2022
0 references
Projekte bus sukurtas virtualus agentas – DEEP GLUE – naudojant dirbtinio intelekto algoritmus ir realaus laiko duomenų srauto apdorojimą, siekiant optimizuoti pajamas iš produktų ir paslaugų prenumeratos modeliuose. Planuojamos technologijos koncepcija grindžiama bandymu sujungti kelis mašinų mokymosi metodus, kurie padėjo išspręsti problemas (iš esmės pagerino „Google Play“, „LinkedIn“ ar „Criteo“ rekomendacijų sistemų, gautų derinant platų mokymąsi, veiksmingumą; su giliu mokymusi ir taikant juos automatizuoti prenumeratos pardavimą, kai tokie metodai anksčiau nebuvo naudojami. Papildomas stimulas priimti tokią kryptį yra didelis didelių duomenų apdorojimo realiuoju laiku sąnaudų sumažėjimas, atsižvelgiant į duomenų, kuriais veikia leidėjai, mastą. Projekto tikslas – rasti optimalius mašinų mokymosi metodus, kurie leistų leidėjams ekonomiškai efektyviu būdu gauti papildomų prenumeratos pajamų. „Deep Glue“ leis jums gauti šiuos privalumus klientams, naudojantiems jį: – Efektyvumą padidinti bent 10 % įsigytų prenumeratų ir naudotojų, užsiregistravusių leidėjo sistemoje, skaičiaus, palyginti su anksčiau leidėjų naudotais sprendimais. – Bent 10 proc. padidinti CTR (paspaudimo sparta) rodiklį, skirtą „Deep Glue“ sistemos parinktiems ir naudotojams pateiktiems hipersaitams, palyginti su anksčiau leidėjų naudotais įrankiais. Ilgalaikis laikotarpis, vertinamas tiek pagal praleistą laiką, tiek pagal apsilankymų leidėjo interneto svetainėje dažnumą, naudotojo, priklausančio Number_reference_help_programme, dalyvavimo lygis: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). (Lithuanian)
25 July 2022
0 references
Projekts izstrādās virtuālo aģentu — DEEP GLUE – mākslīgā intelekta algoritmu un reāllaika datu plūsmas apstrādes izmantošana, lai optimizētu ieņēmumus no produktiem un pakalpojumiem abonēšanas modeļos. Plānotās tehnoloģijas koncepcija izriet no mēģinājuma apvienot vairākas mašīnmācīšanās metodes, kas ir strādājušas, lai atrisinātu problēmas (ir radikāli uzlabojusies rekomendāciju sistēmu efektivitāte pakalpojumā Google Play, LinkedIn vai Criteo, kas iegūtas, apvienojot plašas mācības; ar dziļu mācīšanos un to piemērošanu automatizēt abonementu pārdošanu, ja šādas metodes iepriekš nav izmantotas. Papildu stimuls pieņemt šādu virzienu ir liels lielo datu apstrādes izmaksu samazinājums reāllaikā datu mērogā, kurā darbojas izdevēji. Projekta mērķis ir atrast optimālas mašīnmācīšanās metodes, kas rentablā veidā radīs papildu abonēšanas ieņēmumus izdevējiem. Deep Glue ļaus jums iegūt šādas priekšrocības klientiem, izmantojot to: — Efektivitātes pieaugums vismaz par 10 % no iegādāto abonementu un lietotāju skaita, kuri reģistrējas izdevēja sistēmā, salīdzinot ar izdevēju iepriekš izmantotajiem risinājumiem. — Pieaugums vismaz par 10 % no CTR (Click-Through Rate) rādītāja attiecībā uz hipersaitēm, kas izvēlētas un lietotājam uzrādītas dziļas līmes sistēmā saistībā ar rīkiem, kurus iepriekš izmantoja izdevēji — Ilgtermiņa, ko mēra gan pēc pavadītā laika mērījuma, gan pēc izdevēja tīmekļa vietnes apmeklējumu biežuma, no numura_reference_help_programmai piederošā lietotāja iesaistes līmeņa: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. (Latvian)
25 July 2022
0 references
Проектът ще разработи виртуален агент — DEEP GLUE – използване на алгоритми за изкуствен интелект и обработка на потоци от данни в реално време, за да се оптимизират приходите от продукти и услуги в абонаментните модели. Концепцията за планираната технология произтича от опит за комбиниране на няколко метода за машинно обучение, които са работили за решаване на проблеми (доколкото е налице радикално подобрение в ефективността на системите за препоръки в Google Play, LinkedIn или Criteo, получени чрез комбинация от широко обучение; с дълбоко обучение и прилагането им за автоматизиране на продажбата на абонаменти, когато такива методи не са били използвани преди това. Допълнителен стимул за възприемане на такава посока е значителното намаляване на разходите за обработка на големи данни в реално време, в мащаба на данните, на които работят издателите. Целта на проекта е да се намерят оптимални методи за машинно обучение, които да генерират допълнителни приходи от абонамент за издателите по рентабилен начин. Deep Glue ще ви позволи да получите следните ползи за клиентите, които го използват: Повишаване на ефективността с най-малко 10 % от броя на придобитите абонаменти и потребителите, които се регистрират в системата на издателя, в сравнение с използваните по-рано решения от издателите. — Увеличение с най-малко 10 % на индикатора CTR (Click-Through Rate) за хипервръзки, избрани и представени на потребителя от системата Deep Glue във връзка с инструменти, използвани преди това от издателите — Дългосрочно, измерено както с измерването на времето, така и с честотата на посещенията на уебсайта на издателя, нивото на ангажираност на потребителя, принадлежащо към програмата Number_reference_help_: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). (Bulgarian)
25 July 2022
0 references
A projekt egy virtuális ügynököt fog kifejleszteni – DEEP GLUE – mesterséges intelligencia algoritmusok és valós idejű adatfolyam-feldolgozás használata a termékekből és szolgáltatásokból származó bevételek optimalizálására előfizetési modellekben. A tervezett technológia koncepciója több olyan gépi tanulási módszer kombinálására irányuló kísérletből ered, amelyek a problémák megoldásán dolgoztak (a Google Play, a LinkedIn vagy a Criteo ajánlási rendszerei hatékonyságának radikális javulása a széles körű tanulás kombinációja révén); mély tanulással és alkalmazásukkal automatizálják az előfizetések értékesítését, ahol korábban nem alkalmaztak ilyen módszereket. Az ilyen irány elfogadására irányuló további ösztönzés a nagy adathalmazok valós idejű feldolgozási költségeinek nagymértékű csökkenése, azon adatok nagyságrendjében, amelyeken a kiadók működnek. A projekt célja, hogy olyan optimális gépi tanulási módszereket találjon, amelyek költséghatékony módon további előfizetési bevételt generálnak a kiadók számára. A Deep Glue lehetővé teszi, hogy a következő előnyöket kapja az ügyfelek számára: – A hatékonyság legalább 10%-kal történő növelése a kiadó rendszerében regisztrált megszerzett előfizetések és felhasználók számának legalább 10%-ával a kiadók által korábban használt megoldásokhoz képest. A Deep Glue rendszer által kiválasztott és a felhasználónak bemutatott hiperhivatkozások esetében a CTR (Click-Through Rate) mutató legalább 10%-os növekedése a kiadók által korábban használt eszközökhöz képest – Hosszú távú, mind az elköltött idő mértéke, mind a kiadó honlapján tett látogatások gyakorisága, a Number_reference_help_programhoz tartozó felhasználó elkötelezettségének szintje: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). (Hungarian)
25 July 2022
0 references
Forbróidh an tionscadal gníomhaire fíorúil — DEEP GLUE – algartaim intleachta saorga 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 chun fadhbanna a réiteach a chomhcheangal (feabhas radacach a chur ar éifeachtacht na gcóras moltaí ar Google Play, LinkedIn nó Criteo a fhaightear trí mheascán d’fhoghlaim leathan; le domhainfhoghlaim agus iad a chur i bhfeidhm chun díol síntiús a uathoibriú, i gcás nár úsáideadh modhanna den sórt sin roimhe seo. Is é an spreagadh breise chun treoir den sórt sin a ghlacadh ná laghdú mór ar an gcostas a bhaineann le mórshonraí a phróiseáil i bhfíor-am, ar scála na sonraí ar a n-oibríonn foilsitheoirí. Is é aidhm an tionscadail modhanna meaisínfhoghlama optamacha a aimsiú a ghinfidh ioncam síntiúis breise d’fhoilsitheoirí ar bhealach costéifeachtach. Tabharfaidh Deep Glue deis duit na buntáistí seo a leanas a fháil do chustaiméirí a úsáideann é: — Méadú ar éifeachtúlacht 10 % ar a laghad de líon na síntiús a fuarthas agus na n-úsáideoirí a chláraíonn i gcóras an fhoilsitheora i gcomparáid leis na réitigh a d’úsáid foilsitheoirí roimhe sin. — Méadú 10 % ar a laghad de tháscaire CTR (Click-Through Rate) le haghaidh hipearnaisc arna roghnú agus arna gcur i láthair don úsáideoir ag an gcóras Deep Glue i ndáil le huirlisí a d’úsáid foilsitheoirí roimhe seo — Fadtéarma, arna thomhas de réir an méid ama a caitheadh agus minicíocht na gcuairteanna ar shuíomh gréasáin an fhoilsitheora, leibhéal rannpháirtíochta an úsáideora a bhaineann leis an Number_reference_help_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 catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). (Irish)
25 July 2022
0 references
Projektet kommer att utveckla en virtuell agent – DEEP GLUE – använda artificiell intelligens algoritmer och realtid dataströmsbehandling 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 arbetat för att lösa problem (vid en radikal förbättring av effektiviteten hos rekommendationssystem på Google Play, LinkedIn eller Criteo som erhållits genom en kombination av brett lärande; med djup inlärning och tillämpning av dem för att automatisera försäljningen av prenumerationer, där sådana metoder inte tidigare har använts. En ytterligare stimulans för att anta en sådan riktning är en stor minskning av kostnaden för att bearbeta stordata i realtid, i den omfattning som utgivarna verkar på. Syftet med projektet är att hitta optimala maskininlärningsmetoder som kommer att generera ytterligare prenumerationsintäkter för utgivare på ett kostnadseffektivt sätt. Deep Glue gör att du kan få följande fördelar för kunder som använder det: — En effektivitetsökning med minst 10 % av antalet förvärvade prenumerationer och användare som registrerar sig i förlagets system jämfört med tidigare använda lösningar av utgivare. — En ökning med minst 10 % av indikatorn CTR (Click-Through Rate) för hyperlänkar som valts ut och presenteras för användaren av Deep Lime-systemet i förhållande till verktyg som tidigare använts av utgivare – Långsiktiga, mätta både genom tidsåtgång och frekvensen av besök på utgivarens webbplats, graden av engagemang hos den användare som tillhör Number_reference_help_programmet: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). (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 töötanud probleemide lahendamiseks (võivad radikaalselt parandada Google Play, LinkedIni või Criteo soovitussüsteemide tõhusust, mis on saadud laia õppimise kombinatsiooni kaudu; sügav õppimine ja nende rakendamine tellimuste müügi automatiseerimiseks, kui selliseid meetodeid ei ole varem kasutatud. Täiendav stiimul sellise suuna vastuvõtmiseks on suurandmete reaalajas töötlemise kulude suur vähenemine nende andmete ulatuses, kus kirjastajad tegutsevad. Projekti eesmärk on leida optimaalsed masinõppe meetodid, mis toovad kirjastajatele kulutõhusal viisil täiendavat liitumistulu. Sügav Glue võimaldab teil saada järgmisi eeliseid klientidele, kes seda kasutavad: – Võrreldes kirjastajate poolt varem kasutatud lahendustega suureneb tõhusus vähemalt 10 % võrra omandatud tellimuste ja kasutajate arvust, kes registreeruvad kirjastaja süsteemis. – Süvaliimisüsteemi poolt kasutajale valitud ja kasutajale esitatud hüperlinkide CTR (Click-Tough Rate) näitaja suurenemine vähemalt 10 % võrreldes väljaandjate poolt varem kasutatud tööriistadega – Pikaajaline, mõõdetuna nii ajakulu kui ka kirjastaja veebisaidi külastamise sageduse, programmi Number_reference_help_programmi kuuluva kasutaja kaasamise taseme järgi: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). (Estonian)
25 July 2022
0 references
WOJ.: WIELKOPOLSKIE, POW.: Poznań
0 references
24 May 2023
0 references
Identifiers
POIR.01.01.01-00-1352/17
0 references