• recommender systems online dersi aramaktayim, intermediate seviye. tavsiyesi olanlar yesillendirebilir. coursera'daki dersi alanlar varsa onlarin yorumlarini da beklerim. udacity'de bu konu ile ilgili bir sey göremedim, varsa haber ediniz.
    koskoca sözlükte bu konuyla ilgili üc bes entry olmasi de icler acisi halimizi cok güzel özetlemis.
  • bir prediction engine'den gelen sonuçlari ilgi sirasina göre dizerek, en kafadaki belli sayida ürünü kullaniciya önerme isini yapan sistem. özetle "sizin için seçtiklerimiz" ya da "bunu sevenler bunu da sevdi." inanci.
  • (bkz: öneri dizgesi)
  • eğer pandora, amazon falan değilseniz, ortalama bir web portaliniz için düşünüyorsanız bir adet editör işe alın, bi de "editörün seçimi" bölümü koyun. recommendation systemlerin uğraştığı problemlerin %90'ından kurtulun. mühendisleriniz de kurtulsun. bu ne ak.

    http://fortune.com/…nt-know-me-and-thats-a-problem/
  • en yeni gelişmelerin acm recsys konferanslarından takip edilebileceği machine learning çalışma alanı.
    ilk başta kullanıcı veya ürün benzerlikleri üzerinden gidilen çok da zengin olmayan bir alan gibi görünse de içine girdikçe uçsuz bucaksız olduğu fark edilir. en kapsamlı tanımının recommender systems handbook da verildiği derya.
  • şu an için en çok ilgi gören yapılardan biridir. günümüz alışveriş sisteminin interaktif temelli olmasından kaynaklı en yüksek ihtimalle sizin ilginizi çekebilecek öneriler geçmişte yapmış olduğunuz tercihler ve başkalarının benzer tercihleri göze alınarak hesaplanır. kitap, film, giyecek, yiyecek, içecek aklınıza ne geliyorsa yapmış olduğunuz her tercih depolanır ve daha sonra sizin ve başkaları için yeniden kullanılır. günümüz fazla tüketim odaklı yapıların bunu daha da artırmak için kullanmış olduğu bu yapı, giderek büyüyor. gel gelelim ki sadece kapitalizme hizmet edecek bir durum da söz konusu değildir. bilgiye kolay ulaşılması, paylaşılması kar amacı gütmeden de yapılabilir.

    bunun geliştirilmesi ile ilgili değişik algoritmalar sürekli denenmeye devam etmektedir. yapılan sistemler genel olarak hüristik oluyor. sadece sizin sağladığınız bilgi değil, içeride kullanılan benzerlik algoritmaları, uzaklık fonksiyonları, bunların birbirleriyle olan etkileşimi en küçük hata payını elde edene kadar geliştiriliyor.

    sonuç olarak bilim tüketim toplumuna hizmet etmek için değil topluma hizmet etmek için yapılmalıdır.
  • (bkz: collaborative filtering)
  • günümüzde birçok internet sitesi ve platformu binlerce farklı içeriğe sahip. bu içerikler arasından kullanıcıya gösterilebilenlerin sayısı ise oldukça sınırlı. öneri sistemlerinde amaç binlerce içerik arasından kullanıcının önceki davranış ve tercihlerine bakarak en çok beğenebileceği içerikleri tespit etmek. işin bu aşamasında birçok farklı problem çıkabiliyor. örneğin kullanıcının önceki tercihleri hakkında elimizde çok bir veri yoksa cold start adı verilen durumu yaşıyoruz. elimizde kişi hakkında veri olmadığı için öneriler de tutarlı olmuyor. twitterın, instagramın ilk kayıt olduğunuzda sizden belli adette kişi takip etmenizi istemesinin bir nedeni de bu.

    benim bu alanda en yararlı bulduğum kaynak recommender systems handbook. bunun dışında python kullananlar için surprise kütüphanesi de hem kendi modelinizi oluşturduğunuzda test etmek için hem de var olan modelleri direk sisteminizde kullanmak için oldukça yararlı.
hesabın var mı? giriş yap