MINERAL Machine Insight for Behavioral Analytics

Projektin yksityiskohdat

Tiivistelmä

Datalähtöisen bisneksen tueksi tarvitaan uudenlaisia tekoälyratkaisuja. Vaikka kiinnostus tekoälyyn on suomalaisessa yrityskentässä vahvassa nousussa, nykyiset sovellukset perustuvat valmiiseen koneoppimisratkaisuihin, jotka eivät vastaa yritysten tarpeita ja kyvykkyyksiä. Esimerkiksi digitaalisessa kaupankäynnissä käytetään erilaisia luokittelu- ja suosittelualgoritmeja ja A/B-testausta, sekä datan visualisointityökaluja. Nämä ratkaisut ovat tehottomia erityisesti pienille yrityksille, sillä (a) ne edellyttävät suuria opetusaineistoja tai kalliita testausjaksoja (A/B-testaus), (b) eivät hyödynnä yritysten sovellusasiantuntemusta, ja (c) edellyttävät merkittävää asiantuntijoiden panosta tulosten tulkinnassa sillä mallit tuottavat ennusteita eivätkä edes pyri selittämään miksi käyttäjät toimivat siten kuin toimivat. Tämä on tehotonta sekä kehitystyön että datan hyödyntämisen näkökulmasta. MINERAL tuottaa käytännöllisiä työkaluja kuluttaja-analytiikan mullistukseen, luomalla vahvoja tekoälyratkaisuja yhdistämällä kognitiotieteen käyttäytymismalleja todennäköisyyspohjaiseen koneoppimiseen. Tämä tieteellisesti uusi ja kunnianhimoinen lähestymistapa tarjoaa mahdollisuuden kehittää data-tehokkaasti malleja jotka osaavat tuottaa ihmisen ymmärrettäviä tulkintoja ja mahdollistavat yrityksen sovellusosaamisen integroimisen osaksi mallia. Tämä laskee kehityskustannuksia ja tarjoaa suomalaisille yrityksille kilpailuedun lisäämällä ymmärrystä käyttäjien käytöksen syistä.
LyhytotsikkoMINERAL
AkronyymiMINERAL
TilaPäättynyt
Todellinen alku/loppupvm01/06/201931/05/2022

Yhteistyöpartnerit

Sormenjälki

Tutustu tutkimuksen aiheisiin, joita tämä projekti koskee. Nämä merkinnät luodaan taustalla olevien stipendien/apurahojen perusteella. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.
  • Fragmented Visual Attention in Web Browsing: Weibull Analysis of Item Visit Times

    Putkonen, A., Nioche, A., Laine, M., Kuuramo, C. & Oulasvirta, A., 2023, Advances in Information Retrieval - 45th European Conference on Information Retrieval, ECIR 2023, Proceedings. Kamps, J., Goeuriot, L., Crestani, F., Maistro, M., Joho, H., Davis, B., Gurrin, C., Caputo, A. & Kruschwitz, U. (toim.). SPRINGER, s. 62-78 17 Sivumäärä (Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics); Vuosikerta 13981 LNCS).

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

    Open access
    Tiedosto
    17 Lataukset (Pure)
  • How Suitable Is Your Naturalistic Dataset for Theory-based User Modeling?

    Putkonen, A., Nioche, A., Tanskanen, V., Klami, A. & Oulasvirta, A., 7 huhtik. 2022, UMAP2022 - Proceedings of the 30th ACM Conference on User Modeling, Adaptation and Personalization. ACM, s. 179-190 12 Sivumäärä (UMAP2022 - Proceedings of the 30th ACM Conference on User Modeling, Adaptation and Personalization).

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

    Open access
    Tiedosto
    18 Lataukset (Pure)
  • Modeling Risky Choices in Unknown Environments

    Tanskanen, V., Rajani, C., Afrabandpey, H., Putkonen, A., Nioche, A. & Klami, A., 1 toukok. 2021, Proceedings of The 13th Asian Conference on Machine Learning. Balasubramanian, V. N. & Tsang, I. (toim.). Vuosikerta 157. s. 1081-1096 16 Sivumäärä (Proceedings of Machine Learning Research; Vuosikerta 157).

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

    Open access
    Tiedosto
    20 Lataukset (Pure)