Учкадучка что это такое

Что такое e-commerce и как устроена онлайн-торговля

Содержание

В действительности, e-commerce — это не только финансовые или торговые транзакции, осуществляемые с помощью сетей, но и цепочки глобальных бизнес-процессов, связанных с проведением транзакций.

Сегодня к электронной коммерции относят электронную покупку или продажу товаров через онлайн-сервисы или через интернет, мобильную коммерцию, электронные переводы средств, управление цепочками поставок, интернет-маркетинг, онлайн-обработку транзакций, электронный обмен данными (EDI), системы управления запасами и автоматизированные системы сбора данных.

Виды e-commerce

Электронную торговлю можно классифицировать по двум признакам:

Что продают:

Кому продают:

Два самых распространенных типа — b2c и b2b.

Как развивается e-commerce в России и мире?

С ростом цифровизации и массовым переходом в онлайн e-commerce стала драйвером ключевых изменений в мировой экономике. Доступ к электронной коммерции сегодня возможен с любого смарт-устройства: на конец 2020 года в мире насчитывалось почти 10 млрд смартфонов, компьютеров и планшетов, подключенных к интернету. Это уже превышает население Земли (почти 8 млрд человек).

Вот главные цифры на сегодня:

По данным INFOLine, объем рынка электронной коммерции в России за 2020 год составил 2,7 трлн руб. Это на 34% больше, чем годом ранее.

Поддержка электронной коммерции в России на период до 2024 года регулируется нацпроектом «Цифровая экономика». Основными целями документа являются повышение внутренних затрат на развитие цифровой экономики за счет всех источников (по доле в валовом внутреннем продукте страны) минимум в три раза по сравнению с 2017 годом, и создание устойчивой, безопасной и общедоступной информационно-телекоммуникационной инфраструктуры высокоскоростной передачи, обработки и хранения больших объемов данных.

Самые успешные кейсы е-commerce

Alibaba

Модель Alibaba аналогична eBay: она выступает в качестве агрегатора для продавцов — физлиц, магазинов или производителей — которые сами отправляют товар покупателям.

JD.com

Главный конкурент Alibaba в Китае. В отличие от Alibaba, JD.com работает по модели Amazon: отгружает товары сторонних продавцов с собственного склада и отправляет через свою службу доставки. На конец 2020 года у компании было более 900 складов общей площадью 21 млн кв. м. В составе холдинга есть своя социальная платформа — Jingxi, а также сети магазинов у дома Xintonglu и JD New Markets и даже собственное направление коммерческой недвижимости. В ближайшем будущем JD планирует запустить свою цифровую валюту — e-CNY.

Amazon

Amazon — самый крупный розничный продавец в сфере e-commerce в США и один из крупнейших в мире. Компания располагает огромной сетью складов и сортировочных центров, а также собственной службой доставки, которая использует дронов и роботов, а в 2020 году приобрела еще и самолеты Boeing 767. Помимо основной b2c-платформы, есть также Amazon Business для клиентов-юрлиц.

Сейчас 60% дохода Amazon приносят ИТ-решения Amazon Web Services — облачные хранилища и сервисы. Компания регулярно запускает различные продукты и сервисы под своим брендом: электронные читалки Kindle, элементы «умного» дома, голосовой помощник Alexa, онлайн-кинотеатр Amazon Prime. У Amazon есть и офлайн-магазины Amazon Go. Они работают при помощи нейросетей с распознаванием лиц и компьютерным зрением: здесь нет касс и продавцов, а покупки оплачиваются автоматически через приложение.

eBay был создан в 1995 году как сервис онлайн-аукционов c2c: продавцы выставляли на аукцион вещи (часто подержанные), а покупатели делали ставки. Доставка товаров при этом лежит на продавце, а сам сервис берет комиссию за размещение лотов и занимается урегулированием споров. Позже на платформе появились коммерческие аккаунты частных предпринимателей и магазинов, а покупать стало можно и по фиксированной цене.

Wildberries

Wildberries продает одежду, обувь, аксессуары, бытовую технику и электронику, товары для дома. Все это компания доставляет с собственных складов через пункты выдачи (в 2020-м доля таких заказов составила 93%) или курьеров. В 2020 году оборот компании вырос на 96% по сравнению с 2019-м — до 437,2 млрд рублей, а число заказов — до 323,8 млн, достигнув 1,5 млн в сутки, что вдвое больше прошлогоднего показателя. Помимо России компания также работает в странах СНГ, Польше, Словакии, Израиле и планирует выйти на рынок Германии.

Компанию основали в 1991 году. Как и Amazon, первый интернет-гипермаркет в России начинал с торговли книгами. Сегодня 24% продаж Ozon приходится на электронику, остальное распределено между книгами, бытовой техникой, одеждой, косметикой, продуктами и прочими товарами. Как и Wildberries, маркетплейс сделал ставку на расширение пунктов самовывоза, причем с 2020 года делает это только под собственным брендом, а не через партнеров. Ozon доставляет товары в собственные постаматы и курьерами. Компания также запустила сервис по продаже авиабилетов Ozon.Travel.

«Яндекс.Маркет»

«Яндекс.Маркет» пришел на рынок 20 лет назад. До 2018 года развивался как агрегатор для интернет-магазинов, с 2018 года параллельно строил маркетплейс «Беру», который в 2020 году стал частью «Яндекс.Маркета». Сегодня это — маркетплейс, где магазины могут продавать свои товары, а пользователи — совершать покупки, выбирая из ассортимента в 4 млн товарных наименования.

Продавцам «Яндекс.Маркет» предлагает четыре модели сотрудничества с маркетплейсом:

Маркетплейс «Маркета» также предлагает другие сервисы для продавцов и покупателей: поиск по десяткам фильтров, сравнение цен на один и тот же товар, отзывы покупателей, рейтинги магазинов и платное продвижение.

На конец 2020 года на «Яндекс.Маркете» продавали свои товары более 8 тыс. продавцов, по рекламной модели размещалось 25 тыс. магазинов-партнеров, ежедневная аудитория достигла 6 млн уникальных посетителей. Оборот компании в 2020 году вырос в 1,5 раза — до 28,8 млрд руб.

Будущее электронной торговли

Среди глобальных трендов в развитии электронной торговли стоит выделить:

Другими словами, магазины стремятся сделать процесс покупки не только максимально быстрым и комфортным, но еще и увлекательным.

Электронная торговля берет курс на персонализацию: за счет «умного» поиска и подбора товаров, персональных рекомендаций, онлайн-стилистов и прочих инструментов. ИИ сможет анализировать все ваши покупки и предпочтения, составляя личные рекомендации с учетом ваших особенностей. Продуктовые сети уже реализуют подбор товаров на основе генетического теста и базовых медицинских показателей.

Подробнее о том, как будет развиваться онлайн-торговля продуктами и готовой едой — в материале РБК Трендов.

Еще один заметный тренд — гибридные форматы: когда офлайн-супермаркеты и розничные сети переходят в онлайн и открывают целые зоны для самовывоза или оформления покупок через интернет. Другой пример сочетания офлайн- и онлайн-формата — магазины Amazon Go: клиент может купить любой товар без касс и продавцов с помощью приложения и камер с распознаванием лиц.

Среди других трендов:

Источник

Что такое клетчатка

«Сибирская клетчатка» 21.10.2021 73221

Что такое растительная клетчатка?

Из книги известного популяризатора растительной клетчатки доктора Бетти Камен:

«Клетчатка – это подкласс углеводов, который включает некрахмалистые полисахариды. В основном состоит из целлюлозы, гемицеллюлозы, лигнина и пектинов, которые во время продвижения по желудочно-кишечному тракту не преобразуются в простую сахарозу и выводятся из организма каловыми массами».

Растительная клетчатка (растительные волокна, пищевые волокна, пребиотики) разделяется на два вида – растворимая и нерастворимая клетчатка. В том или ином виде растительная клетчатка присутствует во всех растениях земных, речных и даже в морских водорослях.

Растворимая клетчатка

Нерастворимая клетчатка

Сколько клетчатки в день нужно употреблять?

В каких продуктах больше всего клетчатки? Сводная таблица

Даже из этих цифр видно, что клетчатка переносит тепловую обработку, но все же максимальное ее количество содержится в свежих растительных продуктах.

Отруби – чемпионы по клетчатке

Из растительной пищи абсолютный чемпион по содержанию клетчатки – это отруби или оболочка зерновых растений. Пшеница, рожь, овес, рис и т.д. Конечно, клетчатка содержится и в самом зерне, но количество нерастворимой клетчатки в оболочке злаковых культур в разы больше и доходит до 40-60%. Неплохие показатели по количеству клетчатки у различных сухофруктов, инжира (6.9г).

Какую роль в организме выполняет клетчатка?

Клетчатка и запоры

Клетчатка и сердечнососудистые заболевания

Ученые единогласны в том, что одной из основных причин возникновения сердечнососудистых заболеваний является недостаток в пище клетчатки. Клетчатка снижает уровень вредного холестерина в крови, который имеет нехорошее свойство откладываться в виде холестериновых «бляшек» на стенках сосудов.

Клетчатка и диабет

Доказана прямая связь между потреблением клетчатки и многими заболеваниями. Одно из таких заболеваний – диабет. Клетчатка уменьшает всасывание сахара, оказывая мощный лечебно-профилактический эффект.

Многие покупатели Сибирской клетчатки, страдающие сахарным диабетом второго типа, снизили количество потребляемых лекарств или даже отказались от них вовсе.

Клетчатка и онкология

Растительная клетчатка – любимая пища для полезной микрофлоры кишечника. Ученые доказали, что от «самочувствия» кишечной микрофлоры зависит иммунитет. Бактерии кишечника расщепляют 15-20% поступающих с пищей растительных волокон – клетчатки, в результате образуются вещества, которые снижают риск возникновения онкологических заболеваний, в частности широко распространенного рака нижних отделов кишечника.

Клетчатка и лишний вес

Отдельная тема – это клетчатка и похудение. Именно благодаря желанию людей быть стройными, популярность клетчатки в последние годы бьет все рекорды.

Клетчатка улучшает обмен веществ

Клетчатка делает нас умнее

Перечисление медицинских проблем, которые появляются при недостатке в пище клетчатки, займет сотни страниц текста. Некоторые из них мы отражаем на нашем сайте. Не могу не поделиться информацией из последнего обзора зарубежных научных исследований, посвященных клетчатке.

Оказалось, существует доказанная связь между потреблением клетчатки и работой мозга! Люди, как молодые, так и пожилые, употребляющие большое количество клетчатки, обладают лучшими умственными способностями, памятью, вниманием, сообразительностью, чем те, которые клетчаткой пренебрегают или едят ее в недостаточном количестве. Большинства вышеназванных проблем со здоровьем можно избежать, если с малых лет есть достаточное количество растительной пищи, богатой клетчаткой, а если это не получается, добавлять в свой рацион концентрированную смесь различных видов клетчатки.

Некоторые пожилые люди говорят, что запущенные проблемы не поправить. Это не так. Улучшение рациона питания, обогащение его достаточным количеством клетчатки дает положительные результаты в любом возрасте.

Выводит ли клетчатка полезные вещества?

Еще один вопрос, который волнует любителей концентрированной клетчатки.

Если клетчатка собирает и выводит из организма шлаки, токсины и т.д., не выводит ли она и полезные вещества?

Этот вопрос волнует не только россиян. Его ставят перед собой многие научно-исследовательские коллективы ведущих зарубежных научных центров.

А как же быть с остальными видами или отрубями?

Вариантов два – принимать клетчатку за час-полтора до еды или после еды. Замачивать клетчатку в бифидо-кефире на несколько часов.

Клетчатка – кладезь витаминов

Какая клетчатка самая полезная?

Заключение

Отойдем от болезней и остановимся на удивительном свойстве клетчатки. Не побоюсь сказать «Клетчатка-это умный продукт!». Растительные волокна в разных случаях при разных нарушениях в организме работают по-разному, но всегда с пользой для организма.

За каждым случаем стоят сложные и не всегда понятные нам, простым людям физиологические процессы. Например, казалось бы, какая связь между потреблением клетчатки и раком молочной железы? Между клетчаткой и работой мозга? Между клетчаткой и кариесом? Между клетчаткой и кандидозом? Между клетчаткой и желчными камнями? Огромное количество объективной информации, многолетние исследования, клинические испытания подтверждают, что одной из причин вышеназванных проблем является недостаток клетчатки.

Человек, как биологический вид эволюционно больше тяготеет к растительной пище, об этом можно судить по соотношению зубов-резцов для мяса и коренных для перетирания растений. В последние 150-200 лет это соотношение стало изменяться, но организм человека не изменился за столь короткий срок. Нынешнее неправильное питание можно сравнить с автомобилем. Сердце кровью обливается, когда нужно залить в бак дорогого авто дешевый бензин. А если делать это постоянно? Чувствуете, куда клоню? Машину нам жалко, а себя нет. Организм имеет огромный запас прочности, годами работает на «плохом бензине», а потом? Проблемы нарастают, как снежный ком, затем дорогостоящий ремонт и больничная койка.

Про растительную клетчатку, ее волшебные, умные свойства можно писать книги. К сожалению, таких книг очень мало.

Источник

Что такое машинное обучение и как оно работает

Что такое машинное обучение?

Единого определения для machine learning (машинного обучения) пока нет. Но большинство исследователей формулируют его примерно так:

Машинное обучение — это наука о том, как заставить ИИ учиться и действовать как человек, а также сделать так, чтобы он сам постоянно улучшал свое обучение и способности на основе предоставленных нами данных о реальном мире.

Вот как определяют машинное обучение представители ведущих ИТ-компаний и исследовательских центров:

Nvidia: «Это практика использования алгоритмов для анализа данных, изучения их и последующего определения или предсказания чего-либо».

Университет Стэнфорда: «Это наука о том, как заставить компьютеры работать без явного программирования».

McKinsey & Co: «Машинное обучение основано на алгоритмах, которые могут учиться на данных, не полагаясь на программирование на основе базовых правил».

Вашингтонский университет: «Алгоритмы машинного обучения могут сами понять, как выполнять важные задачи, обобщая примеры, которые у них есть».

Университет Карнеги Меллон: «Сфера машинного обучения пытается ответить на вопрос: «Как мы можем создавать компьютерные системы, которые автоматически улучшаются по мере накопления опыта и каковы фундаментальные законы, которые управляют всеми процессами обучения?»

История машинного обучения

Дмитрий Ветров, профессор-исследователь, заведующий Центром глубинного обучения и байесовских методов Факультета компьютерных наук ВШЭ, отмечает: изначально компьютеры использовались для задач, алгоритм решения которых был известен человеку. И только в последние годы пришло понимание, что они могут находить способ решать задачи, для которых алгоритма решения нет или он не известен человеку. Так появился искусственный интеллект в широком смысле и технологии машинного обучения в частности.

Как связаны машинное и глубокое обучение, ИИ и нейросети

Нейросети — один из видов машинного обучения.

Глубокое обучение — это один из видов архитектуры нейросетей.

Глубокое обучение также включает в себя исследование и разработку алгоритмов для машинного обучения. В частности — обучения правильному представлению данных на нескольких уровнях абстракции. Системы глубокого обучения за последние десять лет добились особенных успехов в таких областях как обнаружение и распознавание объектов, преобразование текста в речь, поиск информации.

Какие задачи решает машинное обучение?

С помощью машинного обучения ИИ может анализировать данные, запоминать информацию, строить прогнозы, воспроизводить готовые модели и выбирать наиболее подходящий вариант из предложенных.

Особенно полезны такие системы там, где необходимо выполнять огромные объемы вычислений: например, банковский скоринг (расчет кредитного рейтинга), аналитика в области маркетинговых и статистических исследований, бизнес-планирование, демографические исследования, инвестиции, поиск фейковых новостей и мошеннических сайтов.

В Леруа Мерлен используют Big Data и Machine Learning, чтобы находить остатки товара на складах.

В маркетинге и электронной коммерции машинное обучение помогает настроить сервисы и приложения так, чтобы они выдавали персональные рекомендации.

Стриминговый сервис Spotify с помощью машинного обучения составляет для каждого пользователя персональные подборки треков на основе того, какую музыку он слушает.

Сегодня ключевые исследования сфокусированы на разработке машинного обучения с эффективным использованием данных — то есть систем глубокого обучения, которые могут обучаться более эффективно, с той же производительностью, за меньшее время и с меньшими объемами данных. Такие системы востребованы в персонализированном здравоохранении, обучении роботов с подкреплением, анализе эмоций.

Китайский производитель «умных» пылесосов Ecovacs Robotics обучил свои пылесосы распознавать носки, провода и другие посторонние предметы на полу с помощью множества фотографий и машинного обучения.

«Умная» камера на базе микрокомпьютера Raspberry Pi 3B+ с помощью фреймворка TensorFlow Light научилась распознавать улыбку и делать снимок ровно в этот момент, а также — выполнять голосовые команды.

В сфере инвестиций алгоритмы на базе машинного обучения анализируют рынок, отслеживают новости и подбирают активы, которые выгоднее всего покупать именно сейчас. При этом с помощью предикативной аналитики система может предсказать, как будет меняться стоимость тех или иных акций за конкретный период и корректирует свои данные после каждого важного события в отрасли.

Согласно исследованию BarclayHedge, более 50% хедж-фондов используют ИИ и машинное обучение для принятия инвестиционных решений, а две трети — для генерации торговых идей и оптимизации портфелей.

Наконец, машинное обучение способствует настоящим прорывам в науке.

Нейросеть AlphaFold от DeepMind в 2020 году смогла расшифровать механизм сворачивания белка. Над этой задачей ученые-биологи бились больше 50 лет.

Как устроено машинное обучение

По словам Дмитрия Ветрова, процесс машинного обучения выглядит следующим образом.

Есть большое число однотипных задач, в которых известны условие и правильный ответ или один из возможных ответов. Например, машинный перевод, где условие — фраза на одном языке, а правильный ответ — ее перевод на другой язык.

Модель машинного обучения, например, глубинная нейронная сеть, работает по принципу «черного ящика», который принимает на вход условие задачи, а на выходе выдает произвольный ответ. Например, какой-либо текст на втором языке.

У «черного ящика» есть дополнительные параметры, которые влияют на то, как будет обрабатываться входной сигнал. Процесс обучения нейросети заключается в поиске таких значений параметров, при которых она будет выдавать ответ, максимально близкий к правильному. Когда мы настроим параметры нужным образом, нейросеть сможет правильно (или максимально близко к этому) решать и другие задачи того же типа — даже если никогда не знала ответов к ним.

Основные виды машинного обучения

1. Классическое обучение

Это простейшие алгоритмы, которые являются прямыми наследниками вычислительных машин 1950-х годов. Они изначально решали формальные задачи — такие, как поиск закономерностей в расчетах и вычисление траектории объектов. Сегодня алгоритмы на базе классического обучения — самые распространенные. Именно они формируют блок рекомендаций на многих платформах.

Но классическое обучение тоже бывает разным:

Обучение с учителем — когда у машины есть некий учитель, который знает, какой ответ правильный. Это значит, что исходные данные уже размечены (отсортированы) нужным образом, и машине остается лишь определить объект с нужным признаком или вычислить результат.

Такие модели используют в спам-фильтрах, распознавании языков и рукописного текста, выявлении мошеннических операций, расчете финансовых показателей, скоринге при выдаче кредита. В медицинской диагностике классификация помогает выявлять аномалии — то есть возможные признаки заболеваний на снимках пациентов.

Обучение без учителя — когда машина сама должна найти среди хаотичных данных верное решение и отсортировать объекты по неизвестным признакам. Например, определить, где на фото собака.

Эта модель возникла в 1990-х годах и на практике используется гораздо реже. Ее применяют для данных, которые просто невозможно разметить из-за их колоссального объема. Такие алгоритмы применяют для риск-менеджмента, сжатия изображений, объединения близких точек на карте, сегментации рынка, прогноза акций и распродаж в ретейле, мерчендайзинга. По такому принципу работает алгоритм iPhoto, который находит на фотографиях лица (не зная, чьи они) и объединяет их в альбомы.

2. Обучение с подкреплением

Это более сложный вид обучения, где ИИ нужно не просто анализировать данные, а действовать самостоятельно в реальной среде — будь то улица, дом или видеоигра. Задача робота — свести ошибки к минимуму, за что он получает возможность продолжать работу без препятствий и сбоев.

Обучение с подкреплением инженеры используют для беспилотников, роботов-пылесосов, торговли на фондовом рынке, управления ресурсами компании. Именно так алгоритму AlphaGo удалось обыграть чемпиона по игре Го: просчитать все возможные комбинации, как в шахматах, здесь было невозможно.

3. Ансамбли

Это группы алгоритмов, которые используют сразу несколько методов машинного обучения и исправляют ошибки друг друга. Их получают тремя способами:

Ансамбли работают в поисковых системах, компьютерном зрении, распознавании лиц и других объектов.

4. Нейросети и глубокое обучение

Самый сложный уровень обучения ИИ. Нейросети моделируют работу человеческого мозга, который состоит из нейронов, постоянно формирующих между собой новые связи. Очень условно можно определить их как сеть со множеством входов и одним выходом. Нейроны образуют слои, через которые последовательно проходит сигнал. Все это соединено нейронными связями — каналами, по которым передаются данные. У каждого канала свой «вес» — параметр, который влияет на данные, которые он передает.

ИИ собирает данные со всех входов, оценивая их вес по заданным параметрами, затем выполняет нужное действие и выдает результат. Сначала он получается случайным, но затем через множество циклов становится все более точным. Хорошо обученная нейросеть работает, как обычный алгоритм или точнее.

Настоящим прорывом в этой области стало глубокое обучение, которое обучает нейросети на нескольких уровнях абстракций.

Здесь используют две главных архитектуры:

Нейросети с глубоким обучением требуют огромных массивов данных и технических ресурсов. Именно они лежат в основе машинного перевода, чат-ботов и голосовых помощников, создают музыку и дипфейки, обрабатывают фото и видео.

Проблемы машинного обучения

Перспективы машинного обучения: не начнет ли ИИ думать за нас?

Вопрос о том, не сделает ли машинное обучение ИИ умнее человека, изначально не совсем корректный. Дело в том, что в природе нет универсальной иерархии в плане интеллекта. Мы по умолчанию считаем себя умнее остальных существ, но, к примеру, белка способна запоминать местонахождения тысячи тайников с запасами, что не под силу даже очень умному человеку. А у осьминогов каждое щупальце способно мыслить и действовать самостоятельно.

Так же и с ИИ: он уже превосходит нас во всем, что касается сложных вычислений, но по-прежнему не способен сам ставить себе новые задачи и решать их, подбирая нужные данные и условия. Это ограничение в последние годы пытаются преодолеть в рамках сильного ИИ, но пока безуспешно. Надежду на решение этой проблемы внушают квантовые компьютеры, которые выходят за пределы обычных вычислений.

Зато мы в ближайшем будущем сможем заметно расширить свои возможности с помощью ИИ, передавая ему рутинные и затратные операции, общаясь и управляя техникой при помощи нейроинтерфейсов.

Источник