[সঙ্গীত বাজাচ্ছি] 

মস্তিষ্ক SCASSELLATI: স্বাগতম এবং CS50 এআই সিরিজ. আমার নাম Scass হয়, এবং আজ আমরা চলুন recommender ব্যবস্থা সম্পর্কে কথা বলার জন্য. এখন recommender ব্যবস্থা শব্দসমূহ একটি বিজোড় নামের মত ধরনের. এটা হতে পারে এটি করা উচিত মত শোনাচ্ছে সুপারিশ সিস্টেম হতে, এবং আমি ধরনের আপনার সাথে একমত. কিন্তু এই সাহায্য যে সিস্টেম একই জিনিষ যখনই বাইরে নির্বাচন আপনি অনলাইনে কিছু নির্বাচন. নেটফ্লিক্স, উদাহরণস্বরূপ অন্যান্য সুপারিশ করবে আপনি ঘড়ি চাইবে সিনেমা. বা Pandora বিভিন্ন সুপারিশ করবে আপনি শুনতে চাইবে গান. ইসলাম কি ধরণের সুপারিশ করবে অন্যান্য পণ্য আপনি কিনতে চাই পারে. ফেসবুক এমনকি সুপারিশ করবে অন্যান্য বন্ধুদের কিছু আপনি যোগ করতে চাইবে. এই সমস্ত সিস্টেমে প্রত্যেকটি ব্যবহার করে কাজ আলগোরিদিম একই মৌলিক ধরনের, এবং যে আমরা করছি কি আজ কথা বলার যাচ্ছে. 

এখন এই আলগোরিদিম হয় আশ্চর্যজনক বড় ব্যবসা. নেটফ্লিক্স কয়েক বছর আগে এ 2009 একটি $ 1 মিলিয়ন দেওয়া পুরস্কার আপনি উন্নতি করতে পারে তাহলে তাদের মাত্র 10% সুপারিশ সিস্টেম. যে 10%, যদিও, প্রতিনিধিত্ব একটি ব্যবসার যথেষ্ট পরিমাণ. প্রাক্কলন করা কঠিন দ্বারা আসা, কিন্তু অনেক মানুষ এই সুপারিশ যে বিশ্বাস একটি অনলাইন কেনার জন্য সিস্টেম কোথাও ইসলাম সীসা মত সিস্টেম 10% এবং 25% বৃদ্ধি রাজস্ব মধ্যে. সুতরাং আপনি কল্পনা করতে পারেন আপনি আছেন যে ভলিউম ধরনের আমরা সম্পর্কে চিন্তা করার সময় যে বিষয়ে কথা বলছি এমনকি এই সামান্য আলগোরিদিম. 

সুতরাং আসুন কিছু উদাহরণ পেতে দিন. কিভাবে এই যে এটা হয় সিস্টেম সত্যিই কাজ করে? মৌলিক দুটি আছে আলগোরিদিম ধরণের যে আমরা যে বিষয়ে কথা যখন খেলা হয় উৎপাদিত সুপারিশ. প্রথম জনকে বলা হয় কন্টেন্ট ভিত্তিক ফিল্টারিং. আর কন্টেন্ট ভিত্তিক ফিল্টারিং নির্ভর আইটেম মধ্যে মিল উপর নিজেদের, যে দুটি সিনেমা মধ্যবর্তী সবকিছু বা দুটি গান বা দুই ক্রয় আইটেম. আমরা সিনেমা ব্যবহার করতে যাচ্ছেন একটি উদাহরণ, কিন্তু এই হিসাবে কোনো ধরনের, সত্যিই, এপ্লায় আমরা যা খুঁজছেন যে বস্তুর. 

আমি কিছু আমার মনে হয় তাই গত বছর থেকে সিনেমা, আমি সঙ্গে ভিতরে দেখেছি আউট আমার বাচ্চারা, তারা এটা পছন্দ করি. কিন্তু আমরা একটি উপায় ছিল না. আমরা, পুলিশ দেখতে সর্বস্বান্ত হতে পারে আমরা, Ultron বয়স দেখা পারে বা আমরা দেখা করতে পারে থিয়েটারে পিপীলিকা ম্যান. 

এই সব কারণে চলচ্চিত্র, আমরা কল্পনা করতে পারে বৈশিষ্ট্য একটি তালিকা উৎপাদিত বা যারা বিভিন্ন সিনেমা সম্পর্কে গুণাবলী. সুতরাং উদাহরণস্বরূপ, আমি বিবেচনা করতে পারে যারা সিনেমা যা প্রাণবন্ত হয়. ওয়েল, উভয় ইনসাইড আউট এবং পুলিশ প্রাণবন্ত হয়. Ultron কারোরই বয়স কিংবা পিপীলিকা ম্যান অ্যানিমেটেড সিনেমা. আর আমি বিল্ডিং কল্পনা করতে পারে একটি কাঠামো, একটি টেবিল আপ যে এই বৈশিষ্ট্য প্রতিটি প্রদর্শন করা হয়. তারা প্রাণবন্ত হোক বা না হোক? আমি তারপর আরো যোগ করতে পারে এই টেবিলের বৈশিষ্ট্য এই কাঠামোর মধ্যে একাধিক সারি যোগ করে. আমি জানতে চাইতে পারেন কিনা বা না তারা বিস্ময়বোধ করে সিনেমা করছি. ওয়েল, ইনসাইড আউট এবং পুলিশ মার্ভেল সিনেমা হয় না, Ultron এবং পিপীলিকা মানুষের জন্মের অবশ্যই হয়. 

এবং আমি কোন ধরণের জিজ্ঞাসা পারে বিভিন্ন গুণাবলী আমি চেয়েছি, যে বৈশিষ্ট্য যে কোন ধরণের যে আমার কাছে গুরুত্বপূর্ণ হতে পারে. তারা একটি সুপার খলনায়ক আছে? ওয়েল, যেখানে ভেতর কোন সুপার খলনায়ক আছে আউট, কিন্তু পুলিশ এ বেশী আছে এবং, অবশ্যই, দুই সুপারহিরো সিনেমা. 

আমি, ভাল, ভালো জিনিস অনুরোধ করতে পারে তারা Bechdel পরীক্ষায় পাশ না? সেখানে দুই নামকরণ করা হয় মহিলা অক্ষর যারা কিছু উল্লেখযোগ্য পরিমাণ ব্যয় সময় একটি কথোপকথন হচ্ছে যে নিক্ষিপ্ত পুরুষদের সঙ্গে যুক্ত নয়? ওয়েল, এই ক্ষেত্রে, ইনসাইড আউট পাস পরীক্ষা, পুলিশ, Ultron বয়স ব্যর্থ পরীক্ষা পাস, এবং পিপীলিকা ম্যান ব্যর্থ. এই বৈশিষ্ট্য কোনো এক আমি চিন্তা করতে পারে কিছু কিছু মানুষের জন্য গুরুত্বপূর্ণ হচ্ছে. 

মত আমিও কিছু জিজ্ঞেস করতে পারি এই চলচ্চিত্রে কোন মানুষ যে থেকে প্রাক্তন ছাত্র, এর কথা বলা পার্ক দিন হয় এবং বিনোদন, আমার প্রিয় শো এক. ওয়েল, ইনসাইড আউট বাংলাদেশের আছে Poehler, যে একটি অ্যালামনাই এর. একমাত্র বিবেচ্য. জন Hamm পুলিশ ছিল. পল রুদ পিপীলিকা ম্যান ছিল, কিন্তু কোন এক Ultron বয়স পার্ক এবং req ছিল আরো. তাই আমি এই তালিকা বিল্ড আপ করতে পারেন বৈশিষ্ট্য, এবং তারা সত্যিই পারে সিনেমা সম্পর্কে কিছু হতে. তারা সম্পর্কে কিছু হতে পারে কি অনুপাত তারা গুলি করা হয় এটা হতে পারে কত আসন তারা তাদের খোলার সপ্তাহান্তে উপর বিক্রি. আমি চাই যে কোন বৈশিষ্ট্য আমি এই টেবিল পুরা পারেন উৎপন্ন. 

এখন, এই ক্ষেত্রে, আমি তৈরি করেছি সোনা বা রুপার মান সব সাজান, হ্যাঁ বা না, পাস বা ব্যর্থ, কিন্তু তারা কোন কিছুই হতে পারে. তারা নির্বিচারে মান হতে পারে. কন্টেন্ট ভিত্তিক ফিল্টার, আমরা কি করতে যাচ্ছেন আমরা বিবেচনা চলুন এই টেবিলের দুটি কলাম এবং তারা কিভাবে একই দেখতে. উদাহরণস্বরূপ, যদি তাই আমি ইনসাইড আউট দেখতে গিয়েছিলাম, আমি অন্যান্য চলচ্চিত্র কি হয়, জিজ্ঞাসা করা হতে পারে আমি দেখতে যেতে ইচ্ছুক হতে পারে যে. যে, এর কি ইচ্ছুক দেখতে যেতে আমার টাকা খরচ. আর আমি শুধু গ্রহণ করে এই তুলনা করতে পারেন দুই কলাম, ভিতর থেকে বাইরে এক এবং কোন থেকে এক অন্যান্য চলচ্চিত্র, এবং শুধু দেখা কিভাবে তাদের বৈশিষ্ট্য মেলার অনেক. আমি ইনসাইড আউট তুলনা সুতরাং যদি পুলিশ, হ্যাঁ, আছে তিনটি বিষয় এখানে যে ম্যাচ. তারা উভয়, তাদের কেউই প্রাণবন্ত করছি মার্ভেল চলচ্চিত্র, এবং তাদের উভয়ের পার্ক ও req এলামনাই আছে. তাই আমি কিভাবে আপ গণনা করতে পারে অনেক মিল ছিল এবং এই ক্ষেত্রে তিনটি হতে চাই. 

আমি তখন ইনসাইড আউট তুলনা যাক এর সাথে এর, Ultron বয়স বলে আমি তালিকা নিচে দেখুন পারেন এবং হ্যাঁ, আছে, বলে সেখানে সাথে মিলে যে শুধুমাত্র এক জিনিস. তারা উভয় তাই, বেচটেল পরীক্ষায় পাশ যে কেউ একটি স্কোর হতে যাচ্ছে. ভিতরে এবং বাইরে মধ্যে এবং পিপীলিকা ম্যান, আবার আমি কতগুলি পাতিপাতি তুলনা করতে পারেন কিছু তাদের দুজনের মধ্যে মেলে. ওয়েল, এক এক না এর অ্যানিমেটেড হচ্ছে. এক এক নয়, একটি মার্ভেল মুভি. ওয়ান এর একটি সুপার দুর্জন ​​পেয়েছিলাম অন্যান্য না. এক বেচটেল পাস পরীক্ষা, কেউ যদি তা ব্যর্থ হয়, কিন্তু তারা উভয়, পার্ক ও req এলামনাই আছে তাই আবার, এটা এক একটি স্কোর পায়. 

যদি তাই আমি সিনেমা খুঁজছেন সেটা যে, ইনসাইড আউট অনুরূপ ছিল আমি আছে সিনেমা জন্য তাকান পারে এই কন্টেন্ট মধ্যে সর্বোচ্চ স্কোর ফিল্টারিং প্রকল্প. আমি এই ক্ষেত্রে তাই পুলিশ বিবেচনা করবে ঘনিষ্ঠ ও অধিক হতে কিছু হতে পারে আমি দেখতে টাকা ব্যয় হবে Ultron বা অ্যান্ট ম্যান বয়সের তুলনায়. 

এই কন্টেন্ট ভিত্তিক ফিল্টারিং সিস্টেম শুধু নির্ভর বৈশিষ্ট্য উপর সিনেমা, এবং তাই আমি শুধু বুদ্ধিমান দ্বারা এই নির্মাণ করতে পারেন পণ্য সম্পর্কে কিছু আমি আছে. আমি কোন ধরণের ব্যবহার করতে পারেন আমি চাই যে বৈশিষ্ট্য, এবং আমি আরও অনেক কিছু নির্মাণ করতে পারেন জটিল বৈশিষ্ট্য যে আরো জটিল পরীক্ষার জড়িত একটি গুণ আমি বরাবর যেতে. আসলে, এমনকি আমি এই টেবিল দেখতে পারেন না এক স্ট্যাটিক বস্তু হচ্ছে, বরং হিসাবে মাত্রা হচ্ছে একটি বড় রাষ্ট্র স্থান মধ্যে. আর আমি যে বিষয়ে কথা শুরু করতে পারেন বিভিন্ন সিনেমা মধ্যে দূরত্বের. এই সব জিনিস আমরা তারা কিভাবে জানেন যে ডাটা স্ট্রাকচার ধরণের ব্যবহার করতে আমরা ইতিমধ্যে CS50 মধ্যে দেখা করেছি যে. তাই আমি ভবনের কল্পনা করতে পারে একটি সিনেমার জন্য একটি ডাটা স্ট্রাকচার. আমি করেছি যে একটি struct আছে নির্মাণ মুভি বলা, এবং এটা পাঁচটি বুলিয়ান এন্ট্রি আছে. এটা প্রাণবন্ত হয়, এটি একটি অদ্ভুত ব্যাপার সিনেমা, এটি একটি সুপার দুর্জন ​​আছে, এটা Bechdel পরীক্ষায় পাশ, এবং না এটা পার্ক এবং Rec এলামনাই আছে? এবং এই প্রতিটি একটি ডাটা স্ট্রাকচার যে আমি যে নির্দিষ্ট সিনেমা জন্য ব্যাপৃত হতে পারে. 

তারপর দুই কিনা গনা একই বা না চলচ্চিত্র, তাদের স্কোর কি, আমি আমার কর্তব্য pseudocode হয় একটি সেট লেখে যে একই ফাংশন তৈরি করে. যে আমি করতে পারেন, কিছু সিনেমা এম 1 দেওয়া হয় এটা সবচেয়ে অনুরূপ সিনেমা খুঁজে pseudocode হয় অনুসরণ করে. আমি ভাল, যা বিবেচনা আমি পেয়েছি যে সিস্টেম রান, আমি পেয়েছি যে ভাল তুলনা. প্রত্যেক অন্যান্য সিনেমার জন্য আমি মধ্য দিয়ে যেতে যাচ্ছি আমি 0 সমান ম্যাচ স্কোর সেট করব. আর আমি যে মধ্য দিয়ে যেতে হবে চলচ্চিত্র, একটি এম 1, সিনেমা আমি পরীক্ষা করব, দিয়ে শুরু প্রতিটি বৈশিষ্ট্য তারা দেখতে আছে যদি একটি ম্যাচ আছে. একটি ম্যাচ আছে, আমি করব ম্যাচের স্কোর বাড়ায়. আর এ ম্যাচের স্কোর যদি শেষ করে আমি ভাল বর্তমান চেয়ে ভাল আছে তারপর আমি করব, স্কোর যে ভাল স্কোর মনে রাখবেন, এবং এই আমি আছে সেরা ম্যাচ. শেষে, যাই হোক না কেন সিনেমা সেরা ম্যাচ বসা হয়, যে নিকটস্থ আমি আসতে পারবো চলেছি. সুতরাং এই কন্টেন্ট ভিত্তিক ফিল্টারিং সিস্টেম, তারা এই সব মৌলিক কাঠামো আছে. তারা আইটেমটি উপর নির্ভর প্রশ্ন ও কিছুই ব্যবহারকারী অভিরুচি কোন বিষয়ে. 

আমরা ব্যবহার অন্য যে প্রক্রিয়া সুপারিশ ব্যবস্থা গড়ে তোলার লক্ষ্যে সহযোগীতা ফিল্টারিং বলা হয়. সহযোগীতা ও ফিল্টার উপর নির্ভর না বস্তু নিজেই গুণাবলি, কিন্তু কিভাবে মানুষ, অন্যান্য ব্যবহারকারীদের যে তারা করেছি, কিভাবে এই একই বস্তু সাড়া. সুতরাং আমার সিনেমা যেমন অগ্রসর, আমি আমার বন্ধুদের একটি গুচ্ছ নিতে পারে এবং কিনা বা সম্পর্কে তাদের জরিপ না তারা নির্দিষ্ট সিনেমা পছন্দ. এখন বিভিন্ন স্থানে উৎপন্ন হবে বিভিন্ন উপায়ে এই তথ্য. আপনি সরাসরি জরিপ পারেন আপনার ব্যবহারকারীদের, অথবা আপনি শুধু পারা তারা যদি নিন কি দেখতে আপনি যেমন Netflix জন্য, করছি. তারা যা সিনেমা ঘড়ি? 

আমি কিছু প্রশ্ন করতে পারে আমার এখানে বন্ধু এবং জানতে জেসন ভাষার মুভি পছন্দ তিনি সেখানে বিস্ময়কর না, দেখেছি. অ্যান্ডি শুধুমাত্র পুলিশ এবং চাচীর ম্যান পছন্দ. সারাহ ইনসাইড আউট পছন্দ এবং Avengers এবং অ্যান্ডি বিপরীত. এবং স্যাম, ভাল, স্যাম পছন্দ সুপারহিরো সিনেমা সব, কিন্তু অ্যানিমেটেড চলচ্চিত্র কেউ. 

আমি তারপর কিছু নতুন কোয়েরি পারে নিজেকে ভালো পৃথক, কিছু অন্যান্য ব্যবহারকারীর আমি পছন্দ হলে, ভাল, জিজ্ঞাসা এইসব সিনেমা এক, আপনার সম্পর্কে একটি ভবিষ্যদ্বাণী করতে পারেন অন্যান্য যা আমি পছন্দ করতে পারেন সিনেমা. আমি ভিতরে পছন্দ হলে, যে হয় যা অন্যান্য চলচ্চিত্র, এছাড়াও দেখতে চাই আমি সম্ভবত am একই মানুষ কি উপর ভিত্তি করে? ঐদিন আমিও দিয়ে যাবেন, হয় আমি এই তালিকার মাধ্যমে ফিল্টার করব এবং শুধু এটি এছাড়াও পছন্দ যারা ব্যক্তি আমার পছন্দ মিলেছে যারা আউট, ভিতরে. ওয়েল, এর মানে হল যে অ্যান্ডি ও স্যাম, তারা ইনসাইড আউট মত না তাই আমি তাদের বিবেচনা করতে যাচ্ছি না. আমি পরিত্রাণ পেতে যাচ্ছি তাদের এই তুলনা করার জন্য তথ্য. 

আমি তখন কি জেসন তাকান পারেন এবং সারাহ চিন্তা এবং মেলক তারা দেখল যে সিনেমা যা আপ আমি মনে করি তারা তাদের পছন্দ কিনা, না যে অথবা না. আমি শুধু, আপ গণনা এর ভোট বলা যাক পারে. পুলিশ তাই, উদাহরণস্বরূপ এক থাকতে পারে জেসন এটা পছন্দ করেছে, কারণ এটি জন্য ভোট. জেসন এবং সারাহ উভয় Avengers এবং পছন্দ, তাই এটি দুটি ভোট হবে. আর শুধুমাত্র জেসন, পিপীলিকা ম্যান পছন্দ তাই এটি একটি করিয়া ভোট পেতে হবে. তাই আমি তারপর সুপারিশ ছিল এই সিনেমা নিজেকে, যার জন্য আমি না, ঘড়ি সম্ভবত হতে পারে Avengers: Ultron বয়স চয়ন আছে. 

এর মধ্যে যে কোনো জন্য তাই সিস্টেম, এখন আমি ব্যবহার করছি সম্পর্কে না উত্পন্ন হয় যে তথ্য সিনেমা নিজেই, কিন্তু পছন্দ সম্পর্কে অন্যান্য ব্যবহারকারীদের কাছ থেকে. এই কোর্সের কিছু অসুবিধা আছে. আপনি কি অন্য কোন ব্যবহারকারী না থাকে? ওয়েল, যে সূচনার সমস্যা বলা হচ্ছে. আপনি কিছু আছে তথ্য পরিমাণ আপনি আছেন আগে উপার্জন শুরু করতে পারবেন এই সুপারিশ. এটা উল্টানো পার্শ্ব একবার হয় আপনি, তথ্য সংগ্রহ করা শুরু আপনি আরো সংগ্রহ করতে পারেন যদি এবং আরো এবং আরো তথ্য, আপনি ভাল এবং ভাল পাবেন এবং ভাল প্রস্তাবনা. 

এখন আমরা অনুবাদ করতে পারে কোড মধ্যে এই হিসাবে ভাল. আমরা একটি ভিন্ন নির্ধারণ করতে পারবেন গঠন ধরনের, এই ক্ষেত্রে আমরা একটি ব্যবহারকারী ডাকবো. এবং এটা সম্পর্কে বৈশিষ্ট্য পেয়েছিলাম যা এই ব্যবহারকারী পছন্দ সিনেমা. তারা ইনসাইড আউট পছন্দ হয়নি, পুলিশ, Avengers, আপনি এবং পিপীলিকা ম্যান. আমরা তখন উৎপন্ন হতে পারে কিছু pseudocode অনুসরণ আমি আগে ব্যবহার করতেন সেই একই পদ্ধতি. যে, একটি নির্দিষ্ট দেওয়া হয় ব্যবহারকারী এক্স, এর কোন সিনেমার কথা বলতে দিন যে এক্স পছন্দ করতে পারেন. আমরা মধ্য দিয়ে যেতে পারেন সিনেমা সব জন্য, আমরা একটি স্কোর আরম্ভ করতে পারেন যে সিনেমা 0 হতে জন্য. এবং তারপর আমরা সব অনুসন্ধান করতে পারেন অন্যান্য ব্যবহারকারীদের যারা X হিসাবে একই অভিরুচি আছে. এবং তারপর প্রতি সিনেমা তারা পছন্দ করে আমরা যে সিনেমার স্কোর বাড়ায় করব. এ যেটা মুভি শেষ সর্বোচ্চ স্কোর আছে, যে আমি বলতে হবে এক. 

এই কোনটিই সত্যিই অস্পষ্ট. এই কোনটিই চ্যালেঞ্জিং. এই সব মৌলিক আলগোরিদিম হয় আপনি আজ বাস্তবায়ন করতে পারে যে. 

এখন বাস্তব recommender সিস্টেমের সাথে, আপনি কিছু সমস্যা পাতিত. কি কেউ এমন আছে যদি ঠিক আপনার পছন্দগুলি মেলানো? ব্যবহারকারীদের কি আছে তাহলে যারা ঠিক আপনার পছন্দ হয়, কিন্তু তারপর অত্যন্ত পথভ্রষ্ট আপনি কি চান তা থেকে? আমি ক্লাসিক গডজিলা পছন্দ চলচ্চিত্র, কিন্তু আমার স্ত্রী নয়. আমি আমার, তাদের দেখতে চান Netflix অ্যাকাউন্ট তাদের রয়েছে. তার এর না. আমরা শুরু হলে কি হবে এই ধরনের ডাটাকে মেশানো? এই সব চ্যালেঞ্জ আপনি অতিক্রম করতে পারে তারা শুধু সামান্য নিতে আরো জটিল অ্যালগোরিদম. 

এখন বাস্তব জগতে, যা আসলে কর্মক্ষম হয় আমরা কন্টেন্ট ভিত্তিক ফিল্টারিং ব্যবহার না বা আমরা সহযোগীতা ফিল্টারিং ব্যবহার করব? এবং উত্তরটি আমরা দুইটাই ব্যবহার হয়. প্রায় সমস্ত প্রধান ব্যবহারকারীদের মধ্যে এই ক্ষেত্রে, আমাজন, ফেসবুক, নেটফ্লিক্স, আশার, তারা সব সংমিশ্রণ ব্যবহার এইসব বিভিন্ন সুপারিশ সিস্টেম. আর আমরা থেকে গ্রেপ্তার একত্রিত হলে প্রতিটি, আমরা সংকর সিস্টেম তাদের সাথে যোগাযোগ করে. কোনো না কোনোভাবে তারা উপর নির্ভর বস্তু নিজেই বৈশিষ্ট্য, এবং কিছু উপায়ে তারা উপর নির্ভর অন্যান্য ব্যবহারকারীদের পছন্দ. এই সংকর সিস্টেম, তারা বড় ব্যবসা করছি, এবং তারা আজ বর্তমান কি করছি. 

আমার সাথে যোগ দেওয়ার জন্য আপনাকে অনেক ধন্যবাদ. আমি আপনাকে একটু অর্জিত করেছি আশা করি আপোষে বিট কি এই সমস্ত সিস্টেমে কাজ করে. আপনি যখন অনলাইনে থাকেন পরবর্তী সময়, যে মনে না শুধুমাত্র আপনি আপনার পছন্দ প্রভাবিত, কিন্তু অন্য সম্ভাব্য প্রত্যেকের হিসাবে ভাল. আবার ধন্যবাদ.