Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Achamos que você pode gostar dessa palestra: Um...

Achamos que você pode gostar dessa palestra: Uma introdução a Sistemas de Recomendação - Python Brasil 2018

Você já se perguntou como a Netflix sabe o que você deseja ver? Ou como a Amazon aumentou 29% de suas vendas depois de começar a fazer uso de recomendações? No final desta palestra, você descobrirá mais sobre o universo da Recomendação, por que é tão relevante hoje em dia e o que é necessário para construir seu próprio sistema.

Vídeos:
- https://youtu.be/aXeHbJuDf3k
- https://youtu.be/Yqb7gRu0F0U

Apresentado em:

- Mulheres de Produto 2019
- Python Brasil 2018
- PyData Porto Alegre

Betina Costa

October 18, 2018
Tweet

More Decks by Betina Costa

Other Decks in Programming

Transcript

  1. ACHAMOS QUE VOCÊ PODE GOSTAR DESSA PALESTRA: BETINA COSTA UMA

    INTRODUÇÃO A SISTEMAS DE RECOMENDAÇÃO
  2. QUEM SOU EU? Engenheira de Software Estudante de Filosofia Apaixonada

    por Python Cinéfila Pole dancer Machine Learning Padawan
  3. BEM VINDAS A INTERNET! C O N T E Ú

    D O R E L E V A N T E M E M E S M E M E S R E L E V A N T E S
  4. RECOMENDAÇÃO Resolve Overload de Informação Preve itens de interesse da

    usuária Filtra informações relevantes SOLUÇÃO
  5. COLETA DE INFORMAÇÃO Coleta de informações relevantes sobre a usuária

    Construção do perfil/modelo da usuária Feedback implícito e Explícito CREATIVE CAREER
  6. FASE DE APRENDIZADO Nessa fase é onde vamos aplicar um

    algoritmo de aprendizado para explorar e filtrar todas essas informações coletadas.
  7. FASE DE RECOMENDAÇÃO É onde recomendamos ou prevemos que tipos

    de itens ou conteúdos que a usuária deve preferir.
  8. FILTRO COLABORATIVO Independente de Domínio; Matriz Usuário x Item Baseado

    em similaridade; Baseado em Usuários; Baseado em Itens;
  9. BASEADO EM USUÁRIO Calcula similaridade entre usuárias; Seleciona itens não

    avaliados pela usuária ativo; Calcula uma classificação por Média Ponderada; Gera a recomendação; FILTRO COLABORATIVO
  10. BASEADO EM ITEMS Calcula similaridade entre Itens; Pega os item

    classificados pelo usuário; Calcula a similaridade com com o item alvo; FILTRO COLABORATIVO
  11. FILTRO BASEADO EM CONTEÚDO Dependente de Domínio; Analisa os atributos

    dos Itens; Ideal para páginas, sites de notícias e publicações Dispensa o perfil da usuária; Se adapta fácil a mudanças; Resolve problemas do CF;
  12. SAIBA MAIS Recommendation systems: Principles, methods and evaluation Entenda como

    funcionam os Sistemas de Recomendação Sistemas de Recomendação e Filtragem Colaborativa Udemy
  13. PERGUNTAS? S I T E https://betinacosta.dev E M A I

    L [email protected] T W I T T E R @ngasonicunicorn G I T H U B @betinacosta