f(x) = 3x − 2 z = r (cosθ + isinθ) a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Strategie di mobile advertising

La protagonista di questo progetto è una Mobile Data Company che offre soluzioni innovative di mobile advertising e location intelligence, per le quali è fondamentale conoscere con precisione i comportamenti e le abitudini degli utenti. Per questo ci è stato chiesto di sviluppare un algoritmo di profilazione profonda, capace di classificare gli utenti rispetto ai loro comportamenti offline.

  • Descrizione e benefici
Clustering
Informazioni accurate e affidabili sul target
Maggior aderenza della campagna all’interesse dell’utente

Vuoi saperne di più su questo caso studio?

Contattaci
z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 z = r (cosθ + isinθ) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) 2x + 2y + z + 4t = 0 [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n z = −1 + i nα = θ + 2πk

Riconoscere il cambio di abitudini: Hidden Markov Models