[ಸಂಗೀತ] 

ಮಿದುಳಿನ SCASSELLATI: ಸ್ವಾಗತ CS50 ಎಐ ಸರಣಿ. ನನ್ನ ಹೆಸರು Scass, ಮತ್ತು ಇಂದು ನಾವು ನೀನು ಶಿಫಾರಸುದಾರ ವ್ಯವಸ್ಥೆಗಳು ಬಗ್ಗೆ ಮಾತನಾಡಲು. ಈಗ ಶಿಫಾರಸುದಾರ ವ್ಯವಸ್ಥೆಗಳು ಶಬ್ದಗಳು ಬೆಸ ಹೆಸರಿನ ರೀತಿಯ ರೀತಿಯ. ಬಹುಶಃ ಇದನ್ನು ರೀತಿಯಲ್ಲಿ ಧ್ವನಿಸುತ್ತದೆ ಶಿಫಾರಸು ಸಿಸ್ಟಮ್ ಇರಬಹುದು, ಮತ್ತು ನಾನು ರೀತಿಯ ನೀವು ಒಪ್ಪುತ್ತೇನೆ. ಆದರೆ ಈ ಸಹಾಯ ಎಂದು ವ್ಯವಸ್ಥೆಗಳು ಅಸಹ್ಯ ಬಂದ ಔಟ್ ಆಯ್ಕೆ ನೀವು ಆನ್ಲೈನ್ ಏನನ್ನಾದರೂ ಆಯ್ಕೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್, ಉದಾಹರಣೆಗೆ ಇತರ ಸೂಚಿಸುತ್ತದೆ ನೀವು ವೀಕ್ಷಿಸಲು ಬಯಸುವ ಎಂದು ಸಿನೆಮಾ. ಅಥವಾ ಪಾಂಡೊರ ವಿವಿಧ ಸೂಚಿಸುತ್ತದೆ ನೀವು ಕೇಳಲು ಬಯಸಬಹುದು ಹಾಡುಗಳು. ಅಮೆಜಾನ್ ರೀತಿಯ ಸೂಚಿಸುತ್ತದೆ ಇತರ ಉತ್ಪನ್ನಗಳು ನೀವು ಕೊಳ್ಳಲು ಬಯಸಬಹುದು. ಫೇಸ್ಬುಕ್ ಸಹ ಸೂಚಿಸುತ್ತದೆ ಇತರ ಕೆಲ ಸ್ನೇಹಿತರು ನೀವು ಸೇರಿಸಲು ಬಯಸುವ ಎಂದು. ಈ ವ್ಯವಸ್ಥೆಗಳು ಪ್ರತಿ ಬಳಸಿಕೊಂಡು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಅಲ್ಗಾರಿದಮ್ ಅದೇ ಮೂಲ ರೀತಿಯ, ಮತ್ತು ನಾವು ಏನನ್ನು ಇಲ್ಲಿದೆ ಇಂದು ಬಗ್ಗೆ ಮಾತನಾಡಲು ಹೋಗಿ. 

ಈಗ ಈ ಕ್ರಮಾವಳಿಗಳು ಆಶ್ಚರ್ಯಕರ ದೊಡ್ಡ ವ್ಯಾಪಾರ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಕೆಲವು ವರ್ಷಗಳ ಹಿಂದೆ ನಲ್ಲಿ 2009 $ 1 ಮಿಲಿಯನ್ ನೀಡಿತು ಬಹುಮಾನ ನೀವು ಸುಧಾರಿಸಲು ವೇಳೆ ತಮ್ಮ ಕೇವಲ 10% ಶಿಫಾರಸ್ಸನ್ನು ವ್ಯವಸ್ಥೆ. 10%, ಆದರೂ, ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ವ್ಯಾಪಾರ ಗಣನೀಯ ಪ್ರಮಾಣದ. ಅಂದಾಜು ಕಷ್ಟವಾಗುತ್ತದೆ ಮೂಲಕ ಬರುತ್ತವೆ, ಆದರೆ ಅನೇಕ ಜನರು ಈ ಶಿಫಾರಸು ನಂಬುತ್ತಾರೆ ಆನ್ಲೈನ್ ಖರೀದಿ ವ್ಯವಸ್ಥೆಗಳು ಎಲ್ಲೋ ಅಮೆಜಾನ್ ಪ್ರಮುಖ ರೀತಿಯ ವ್ಯವಸ್ಥೆ 10% ಮತ್ತು 25% ಆದಾಯ ಹೆಚ್ಚಾಯಿತು ನಡುವೆ. ಆದ್ದರಿಂದ ನಿಮ್ಮ ಕಲ್ಪನೆಯ ನೀವು ಎಂಬುದನ್ನು ಪರಿಮಾಣ ರೀತಿಯ ನಾವು ಬಗ್ಗೆ ಯೋಚನೆ ಬಗ್ಗೆ ಈ ಸ್ವಲ್ಪ ಕ್ರಮಾವಳಿಗಳು. 

ಆದ್ದರಿಂದ ಕೆಲವು ಉದಾಹರಣೆಗಳು ತಿಳಿದುಕೊಳ್ಳೋಣ. ಹೇಗೆ ಈ ಅದು ವ್ಯವಸ್ಥೆಗಳು ನಿಜವಾಗಿಯೂ ಕೆಲಸ? ಮೂಲ ಎರಡು ಇವೆ ಕ್ರಮಾವಳಿಗಳ ರೀತಿಯ ಎಂದು ನಾವು ಬಗ್ಗೆ ಮಾತನಾಡಿ ನಾಟಕ ಜನಕ ಶಿಫಾರಸುಗಳನ್ನು. ಮೊದಲು ಕರೆಯಲಾಗುತ್ತದೆ ವಿಷಯ ಆಧರಿತ ಫಿಲ್ಟರಿಂಗ್. ಮತ್ತು ವಿಷಯ ಆಧರಿತ ಫಿಲ್ಟರಿಂಗ್ ಅವಲಂಬಿಸಿದೆ ಐಟಂಗಳನ್ನು ನಡುವೆ ಹೋಲಿಕೆಗಳನ್ನು ಮೇಲೆ ತಮ್ಮನ್ನು, ಎರಡು ಸಿನೆಮಾ ನಡುವೆ ಅಥವಾ ಎರಡು ಹಾಡುಗಳನ್ನು ಅಥವಾ ಎರಡು ವಸ್ತುಗಳನ್ನು ಖರೀದಿಸಿದ. ನಾವು ಸಿನೆಮಾ ಬಳಸಲು ನೀನು ಒಂದು ಉದಾಹರಣೆ, ಆದರೆ ಇದು ಯಾವುದೇ ರೀತಿಯ, ನಿಜವಾಗಿಯೂ, ಅರ್ಜಿ ಸಲ್ಲಿಸಬಹುದು ಆಫ್ ನಾವು ಹುಡುಕುತ್ತಿರುವ ವಸ್ತು. 

ನಾನು ಬಗ್ಗೆ ಅನಿಸಿದರೆ ಕಳೆದ ವರ್ಷ ಸಿನೆಮಾ, ನಾನು ಒಳಗೆ ಹೊರಗೆ ನೋಡಿದ ನನ್ನ ಮಕ್ಕಳು, ಅವರು ಅದನ್ನು ಪ್ರೀತಿಸುತ್ತಿದ್ದರು. ಆದರೆ ನಾವು ಆಯ್ಕೆ ಸಿಕ್ಕಿತು. ನಾವು, ಗುಲಾಮರನ್ನು ನೋಡಲು ಹೋಗಿದ್ದಾರೆ ನಾವು, Ultron ವಯಸ್ಸು ಕಾಣಬಹುದು ಎಂದು ಅಥವಾ ನಾವು ನೋಡಿದ್ದೇವೆ ಎಂದು ಚಿತ್ರಮಂದಿರಗಳಲ್ಲಿ ಇರುವೆ ಮ್ಯಾನ್. 

ಇವುಗಳಲ್ಲಿ ಯಾವುದೇ ಸಿನೆಮಾ, ನಾವು ಕಲ್ಪನೆ ವೈಶಿಷ್ಟ್ಯಗಳ ಒಂದು ಪಟ್ಟಿ ಉತ್ಪಾದಿಸುವ ಅಥವಾ ವಿವಿಧ ಸಿನೆಮಾ ಬಗ್ಗೆ ಗುಣಗಳನ್ನು. ಆದ್ದರಿಂದ ಉದಾಹರಣೆಗೆ, ನಾನು ಪರಿಗಣಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಆ ಸಿನೆಮಾ ಇದು ಕೂಡಿರುತ್ತವೆ. ಸರಿ, ಎರಡೂ ಇನ್ಸೈಡ್ ಔಟ್ ಮತ್ತು ಗುಲಾಮರನ್ನು ಕೂಡಿರುತ್ತವೆ. Ultron ಆಗಲಿ ವಯಸ್ಸು ಅಥವಾ ಇರುವೆ ಮ್ಯಾನ್ ಅನಿಮೇಟೆಡ್ ಚಿತ್ರಗಳಾಗಿವೆ. ನಾನು ಕಟ್ಟಡ ಕಲ್ಪನೆ ಒಂದು ರಚನೆ, ಒಂದು ಟೇಬಲ್ ಎಂದು ಈ ಗುಣಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ. ಅವರು ಅನಿಮೇಟೆಡ್ ಅಥವಾ ಇಲ್ಲ? ನಾನು ಹೆಚ್ಚು ಸೇರಿಸಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ ಈ ಪಟ್ಟಿಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಈ ರಚನೆ ಹೆಚ್ಚು ಸಾಲುಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ. ನಾನು ಕೇಳಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ ಎಂಬುದನ್ನು ಅವರು ಮಾರ್ವೆಲ್ ಸಿನೆಮಾ ಆರ್. ಸರಿ, ಇನ್ಸೈಡ್ ಔಟ್ ಮತ್ತು ಗುಲಾಮರನ್ನು ಮಾರ್ವೆಲ್ ಸಿನೆಮಾ ಅಲ್ಲ, Ultron ಮತ್ತು ಇರುವೆ ವ್ಯಕ್ತಿಯ ವಯಸ್ಸು ಖಚಿತವಾಗಿಯೂ. 

ನಾನು ಯಾವುದೇ ರೀತಿಯ ಕೇಳಬಹುದು ವಿವಿಧ ಗುಣಗಳನ್ನು ನಾನು ಬಯಸಿದ್ದ, ವೈಶಿಷ್ಟ್ಯಗಳ ಯಾವುದೇ ರೀತಿಯ ಎಂದು ನನಗೆ ಮುಖ್ಯ ಇರಬಹುದು. ಅವರು ಸೂಪರ್ ವಿಲನ್ ಹೊಂದಿದ್ದೀರಾ? ಸರಿ, ಇನ್ಸೈಡ್ ಯಾವುದೇ ಸೂಪರ್ ವಿಲನ್ ಇಲ್ಲ ಔಟ್, ಆದರೆ ಗುಲಾಮರನ್ನು ಚರಾಂಕಗಳ ಇವೆ ಮತ್ತು, ಸ್ಪಷ್ಟವಾಗಿ, ಎರಡು ಸೂಪರ್ಹೀರೋ ಸಿನೆಮಾ. 

ನಾನು, ಜೊತೆಗೆ, ವಿಷಯಗಳನ್ನು ಕೇಳಲು ಸಾಧ್ಯವಿತ್ತು ಅವರು Bechdel ಪರೀಕ್ಷೆ ಪಾಸ್ ಇಲ್ಲ? ಎರಡು ಹೆಸರಿಸಲಾಗಿದೆ ಸ್ತ್ರೀ ಪಾತ್ರಗಳು ಯಾರು ಕೆಲವು ಗಮನಾರ್ಹ ಪ್ರಮಾಣದ ಕಳೆಯಲು ಸಮಯ ಒಂದು ಸಂಭಾಷಣೆ ನಡೆಸಿದ ಎಂದು ಪಾತ್ರವರ್ಗದಲ್ಲಿ ಪುರುಷರು ಒಳಗೊಳ್ಳದ? ಅಲ್ಲದೆ, ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಇನ್ಸೈಡ್ ಔಟ್ ಹಾದು ಪರೀಕ್ಷೆ, ಗುಲಾಮರನ್ನು, Ultron ವಯಸ್ಸು ವಿಫಲವಾದರೆ ಪರೀಕ್ಷಾ ಸಾಗುವ ಮತ್ತು ಇರುವೆ ಮ್ಯಾನ್ ವಿಫಲವಾದರೆ. ಈ ಲಕ್ಷಣಗಳ ಯಾವುದೇ ಒಂದು ನಾನು ಬಗ್ಗೆ ಯೋಚಿಸಬಹುದು ಕೆಲವು ಜನರಿಗೆ ಪ್ರಮುಖ ಎಂದು. 

ಹಾಗೆ ನಾನು ವಿಷಯಗಳನ್ನು ಕೇಳಲು ಸಾಧ್ಯವಿತ್ತು ಈ ಚಿತ್ರಗಳಲ್ಲಿ ಯಾವುದೇ ಜನರು ಅಲುಮ್ನಿ ಹೇಳಿ ಪಾರ್ಕ್ಸ್ ಅವಕಾಶ ಮತ್ತು ರಿಕ್ರಿಯೇಷನ್, ನನ್ನ ನೆಚ್ಚಿನ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ಒಂದು. ಸರಿ, ಇನ್ಸೈಡ್ ಔಟ್ ಆಮಿ ಹೊಂದಿದೆ ವಿಲಕ್ಷಣ, ಒಂದು ಅಲುಮ್ನಿ ಇಲ್ಲಿದೆ. ಕೌಂಟ್ಸ್. ಜಾನ್ ಹ್ಯಾಮ್ ಗುಲಾಮರನ್ನು ರಲ್ಲಿ. ಪಾಲ್ ರುಡ್ ಇರುವೆ ಮ್ಯಾನ್, ಆದರೆ ಯಾರೂ Ultron ಇನ್ ದಿ ಏಜ್ ಆಫ್ ಪಾರ್ಕ್ಸ್ ಮತ್ತು Req ರಲ್ಲಿ ಜೊತೆಗೆ. ಹಾಗಾಗಿ ಈ ಪಟ್ಟಿಯನ್ನು ನಿರ್ಮಿಸಲು ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು, ಮತ್ತು ಅವರು ನಿಜವಾಗಿಯೂ ಸಾಧ್ಯವೋ ಸಿನೆಮಾ ಬಗ್ಗೆ ಏನು. ಅವರು ಬಗ್ಗೆ ಹೇಳಬಹುದು ಆಕಾರ ಅನುಪಾತ ಅವರು, ಚಿತ್ರೀಕರಿಸಲಾಯಿತು ಇದು ಆಗಿರಬಹುದು ಎಷ್ಟು ಸ್ಥಾನಗಳಿಗೆ ತಮ್ಮ ಆರಂಭದ ವಾರಾಂತ್ಯದಲ್ಲಿ ಮಾರಾಟ. ನಾನು ಬಯಸುವ ಯಾವುದೇ ವೈಶಿಷ್ಟ್ಯವನ್ನು ನಾನು ಈ ಟೇಬಲ್ ಹಾಕಬಹುದು ಉತ್ಪಾದಿಸುತ್ತವೆ. 

ಈಗ, ಈ ಸಂದರ್ಭದಲ್ಲಿ, ನಾನು ರಚಿಸಿದ ಚಿನ್ನದ ಅಥವಾ ಬೆಳ್ಳಿಯ ಗಟ್ಟಿ ಮೌಲ್ಯಗಳು ಎಲ್ಲಾ ರೀತಿಯ, ಹೌದು ಅಥವ ಇಲ್ಲ, ಪಾಸ್ ಅಥವಾ ವಿಫಲವಾಗುತ್ತವೆ, ಆದರೆ ಏನು ಎಂದು. ಅವರು ಅನಿಯಂತ್ರಿತ ಮೌಲ್ಯಗಳನ್ನು ಆಗಿರಬಹುದು. ವಿಷಯ ಆಧಾರಿತ ಫಿಲ್ಟರಿಂಗ್, ನಾವು ಮಾಡಲು ನೀನು ನಾವು ಪರಿಗಣಿಸಲು ನೀನು ಇದೆ ಈ ಕೋಷ್ಟಕದಲ್ಲಿ ಎರಡು ಕಾಲಮ್ಗಳು ಮತ್ತು ಅವರು ಎಷ್ಟು ಇದೇ ನೋಡಿ. ಉದಾಹರಣೆಗೆ, ಆದ್ದರಿಂದ ನಾನು ಇನ್ಸೈಡ್ ಔಟ್ ನೋಡಿ ಹೋದರು ನಾನು ಇತರ ಸಿನೆಮಾ ಯಾವುವು ಕೇಳಬಹುದು ನಾನು ನೋಡಿ ಹೋಗಲು ಸಿದ್ಧರಿದ್ದಾರೆ ಎಂದು. ಆ, ಏನು ಒಪ್ಪಿದೆ ನೋಡಿ ಹೋಗಲು ನನ್ನ ಹಣ ಖರ್ಚು. ಮತ್ತು ನಾನು ತೆಗೆದುಕೊಳ್ಳುವ ಮೂಲಕ ಈ ಹೋಲಿಕೆ ಮಾಡಬಹುದು ಎರಡು ಕಾಲಮ್ಗಳು, ಒಳಗಿನಿಂದಲೇ ಒಂದು ಮತ್ತು ಯಾವುದೇ ಒಂದು ಇತರ ಚಲನಚಿತ್ರಗಳು, ಮತ್ತು ಕೇವಲ ನೋಡಿದ ಹೇಗೆ ತಮ್ಮ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಪಂದ್ಯದ ಅನೇಕ. ನಾನು ಇನ್ಸೈಡ್ ಔಟ್ ಹೋಲಿಸಿ ಆದ್ದರಿಂದ ಗುಲಾಮರನ್ನು, ಚೆನ್ನಾಗಿ, ಇಲ್ಲ ಮೂರು ವಿಷಯಗಳನ್ನು ಇಲ್ಲಿ ಆ ಪಂದ್ಯದಲ್ಲಿ. ಇಬ್ಬರೂ ತಮ್ಮಿಬ್ಬರಲ್ಲಿ ಅನಿಮೇಟೆಡ್ ನೀವು ಮಾರ್ವೆಲ್ ಸಿನೆಮಾ, ಮತ್ತು ಅವುಗಳನ್ನು ಎರಡೂ ಉದ್ಯಾನವನಗಳು ಮತ್ತು Req ಅಲುಮ್ನಿ ಹೊಂದಿವೆ. ಹಾಗಾಗಿ ಹೇಗೆ ಅಪ್ ಲೆಕ್ಕ ಮಾಡಬಹುದು ಅನೇಕ ಪಂದ್ಯಗಳಲ್ಲಿ, ಇದ್ದವು ಮತ್ತು ಈ ಸಂದರ್ಭದಲ್ಲಿ ಮೂರು ಇರುತ್ತಿತ್ತು. 

ನಾನು ಇನ್ಸೈಡ್ ಔಟ್ ಹೋಲಿಸಿ ವೇಳೆ ಅವಕಾಶ ಜೊತೆ ನ, Ultron ವಯಸ್ಸು ಹೇಳಲು ನಾನು ಪಟ್ಟಿಯನ್ನು ಕೆಳಗೆ ನೋಡಬಹುದು ಮತ್ತು, ಇಲ್ಲ, ಹೇಳಲು ಅಲ್ಲಿ ಪಂದ್ಯಗಳಲ್ಲಿ ಕೇವಲ ಒಂದು ವಿಷಯ. ಇಬ್ಬರೂ, ಬೆಚೆಲ್ ಪರೀಕ್ಷೆ ಪಾಸ್ ಒಂದು ಅಂಕ ಎಂದು ವಿಶೇಷವೇನು. ಮತ್ತು ಇನ್ಸೈಡ್ ಔಟ್ ನಡುವೆ ಮತ್ತು ಇರುವೆ ಮ್ಯಾನ್, ಮತ್ತೆ ನಾನು ಎಷ್ಟು ಲೈನ್ ಲೈನ್ ಹೋಲಿಸುತ್ತದೆ ವಿಷಯಗಳನ್ನು ಅವರಿಬ್ಬರ ನಡುವೆ ಹೊಂದಾಣಿಕೆ. ಅಲ್ಲದೆ, ಒಂದು ಒಂದು, ಅಲ್ಲ ಅನಿಮೇಟೆಡ್ ವಿಶೇಷವೇನು. ಒಂದು ಒಂದು ಅಲ್ಲ, ಒಂದು ಮಾರ್ವೆಲ್ ಚಲನಚಿತ್ರ. ಒಬ್ಬನ, ಒಂದು ಸೂಪರ್ ವಿಲನ್ ಸಿಕ್ಕಿತು ಮತ್ತೊಂದು ಮಾಡುವುದಿಲ್ಲ. ಒಂದು ಬೆಚೆಲ್ ಹಾದು ಪರೀಕ್ಷೆ, ಒಂದು ವಿಫಲವಾದಲ್ಲಿ, ಆದರೆ ಇಬ್ಬರೂ, ಉದ್ಯಾನವನಗಳು ಮತ್ತು Req ಅಲುಮ್ನಿ ಹೊಂದಿವೆ ಆದ್ದರಿಂದ ಮತ್ತೆ, ಇದು ಒಂದು ಅಂಕಗಳನ್ನು ಪಡೆಯುತ್ತದೆ. 

ಹಾಗಾಗಿ ಸಿನೆಮಾ ಹುಡುಕುತ್ತಿರುವ ಎಂದು, ಇನ್ಸೈಡ್ ಔಟ್ ಹೋಲುವಂತಿದ್ದವು ನಾನು ಹೊಂದಿರುವ ಸಿನೆಮಾ ನೋಡಲು ಸಾಧ್ಯವಾಯಿತು ಈ ವಿಷಯವನ್ನು ಒಳಗೆ ಹೆಗ್ಗಳಿಕೆಗೂ ಫಿಲ್ಟರಿಂಗ್ ಯೋಜನೆ. ನಾನು, ಆದ್ದರಿಂದ ಈ ಸಂದರ್ಭದಲ್ಲಿ ಗುಲಾಮರನ್ನು ಅರ್ಥವಾಗುವ ಹತ್ತಿರ ಮತ್ತು ಹೆಚ್ಚು ಎಂದು ಏನೋ ಸಂಭವವಿದೆ ನಾನು ನೋಡಲು ಹಣ ವೆಚ್ಚ ಎಂದು Ultron ಅಥವಾ ಇರುವೆ ವ್ಯಕ್ತಿಯ ವಯಸ್ಸು ಹೆಚ್ಚು. 

ಈ ವಿಷಯ ಆಧಾರಿತ ಫಿಲ್ಟರಿಂಗ್ ವ್ಯವಸ್ಥೆಗಳು ಕೇವಲ ಅವಲಂಬಿಸಿವೆ ಗುಣಲಕ್ಷಣ ಸಿನೆಮಾ, ಮತ್ತು ಆದ್ದರಿಂದ ನಾನು ಕೇವಲ ತಿಳಿದುಕೊಂಡು ಈ ರಚಿಸಬಹುದು ಉತ್ಪನ್ನಗಳ ಬಗ್ಗೆ ಏನೋ ನಾನು ಹೊಂದಿರುವ. ನಾನು ಯಾವುದೇ ರೀತಿಯ ಬಳಸಬಹುದು ನಾನು ಬಯಸುವ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಮತ್ತು ನಾನು ಹೆಚ್ಚು ರಚಿಸಬಹುದು ಸಂಕೀರ್ಣ ಲಕ್ಷಣಗಳನ್ನು ಎಂದು ಸಂಕೀರ್ಣ ಪರೀಕ್ಷೆ ಒಳಗೊಂಡಿರುತ್ತದೆ ಒಂದು ಗುಣಮಟ್ಟದ ನಾನು ಹೋಗಲು. ವಾಸ್ತವವಾಗಿ, ನಾನು ಈ ಟೇಬಲ್ ವೀಕ್ಷಿಸಬಹುದು ಒಂದು ಸ್ಥಿರ ವಸ್ತು ಎಂದು, ಆದರೆ ಆಯಾಮಗಳ ಎಂಬ ದೊಡ್ಡ ರಾಜ್ಯದ ಜಾಗವನ್ನು. ಮತ್ತು ನಾನು ಬಗ್ಗೆ ಆರಂಭಿಸಬಹುದು ವಿವಿಧ ಸಿನೆಮಾ ನಡುವಿನ ಅಂತರ. ಈ ಎಲ್ಲ ವಸ್ತುಗಳು ನಾವು ಅವರು ಗೊತ್ತಿಲ್ಲ ದತ್ತಾಂಶ ರಚನೆಗಳಲ್ಲಿ ರೀತಿಯ ಬಳಸಿ ನಾವು ಈಗಾಗಲೇ CS50 ರಲ್ಲಿ ನೋಡಬಹುದು. ಹಾಗಾಗಿ ಕಟ್ಟಡ ಕಲ್ಪನೆ ಚಲನಚಿತ್ರವೊಂದರ ಡೇಟಾ ರಚನೆ. ಐ ಹ್ಯಾವ್ ಒಂದು struct ಇಲ್ಲ ನಿರ್ಮಿಸಿದ ಚಿತ್ರ ಎಂಬ, ಮತ್ತು ಇದು ಇದು ಐದು ಬೂಲಿಯನ್ ನಮೂದುಗಳನ್ನು ಹೊಂದಿದೆ. ಇದು ಅನಿಮೇಟೆಡ್, ಇದು ಮಾರ್ವೆಲ್ ಆಗಿದೆ ಚಿತ್ರ, ಇದು ಒಂದು ಸೂಪರ್ ವಿಲನ್ ಹೊಂದಿದೆ, ಇದು Bechdel ಪರೀಕ್ಷೆ ಪಾಸ್, ಮತ್ತು ಇಲ್ಲ ಇದು ಉದ್ಯಾನವನಗಳು ಮತ್ತು ರೆಕ್ ಅಲುಮ್ನಿ ಇವೆ? ಮತ್ತು ಈ ಪ್ರತಿಯೊಂದು ಒಂದು ಡೇಟಾ ರಚನೆ ನಾನು ನಿರ್ದಿಷ್ಟ ಚಿತ್ರ ಆಕ್ರಮಿಸಬಹುದು. 

ನಂತರ ಎರಡು ಎಂಬುದನ್ನು ಲೆಕ್ಕಾಚಾರ ಇದೇ ಇಲ್ಲದಿರುವ ಸಿನೆಮಾ, ತಮ್ಮ ಸ್ಕೋರ್ ಏನು, ನಾನು ಸೂಡೊಕೋಡ್ಗಳನ್ನು ಒಂದು ಸೆಟ್ ಔಟ್ ಬರೆಯಲು ಅದೇ ಕಾರ್ಯ ಉತ್ಪಾದಿಸುತ್ತದೆ. ನಾನು ಮಾಡಬಹುದು, ಕೆಲವು ಚಲನಚಿತ್ರ M1 ನೀಡಲಾಗಿದೆ ಇದು ಹೆಚ್ಚು ಹೋಲುತ್ತದೆ ಚಿತ್ರ ಹುಡುಕಲು ಸೂಡೊಕೋಡ್ಗಳನ್ನು ಅನುಸರಿಸಿ. ನಾನು ಉತ್ತಮ ಇದು ಪರಿಗಣಿಸಲು ನಾನು ಕಂಡು ಬಂದಿದೆ ಎಂದು ವ್ಯವಸ್ಥೆಯ ಗಳಿಸಿ, ನಾನು ಕಂಡು ಬಂದಿದೆ ಎಂದು ಅತ್ಯುತ್ತಮ ಹೋಲಿಕೆ. ಪ್ರತಿಯೊಂದು ಚಿತ್ರ ನಾನು ಮೂಲಕ ಹೋಗಲು ಪಡೆಯಲಿದ್ದೇನೆ ನಾನು 0 ಸಮನಾದ ಪಂದ್ಯದಲ್ಲಿ ಸ್ಕೋರ್ ಸೆಟ್ ಮಾಡುತ್ತೇವೆ. ಮತ್ತು ನಾನು ಮೂಲಕ ಹೋಗುತ್ತೇನೆ ಚಿತ್ರ, ಒಂದು ಎಮ್ 1, ಚಿತ್ರ ನಾನು ಪರಿಶೀಲಿಸಿ ಮಾಡುತ್ತೇವೆ, ಪ್ರಾರಂಭವಾಯಿತು ಪ್ರತಿಯೊಂದು ವೈಶಿಷ್ಟ್ಯವನ್ನು ಅವರು ನೋಡಲು ಹೊಂದಿರುವ ಒಂದು ಪಂದ್ಯದಲ್ಲಿ ಇಲ್ಲ. ಒಂದು ಪಂದ್ಯದಲ್ಲಿ ಇಲ್ಲ, ನಾನು ಮಾಡುತ್ತೇವೆ ಪಂದ್ಯದ ಸ್ಕೋರ್ ಹೆಚ್ಚಿಸಲು. ಮತ್ತು ವೇಳೆ ಪಂದ್ಯದಲ್ಲಿ ಸ್ಕೋರ್ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ ನಾನು ಅತ್ಯುತ್ತಮ ಪ್ರಸ್ತುತ ಉತ್ತಮವಾಗಿದೆ ಎಂದು ನಂತರ ನಾನು ಮಾಡುತ್ತೇವೆ, ಸ್ಕೋರ್ ಅತ್ಯುತ್ತಮ ಸ್ಕೋರ್ ಮರೆಯದಿರಿ ಮತ್ತು ಈ ನಾನು ಹೊಂದಿರುವ ಅತ್ಯುತ್ತಮ ಪಂದ್ಯವಾಗಿದೆ. ಕೊನೆಯಲ್ಲಿ, ಯಾವುದೇ ಚಿತ್ರ ಅತ್ಯುತ್ತಮ ಪಂದ್ಯದಲ್ಲಿ ಕುಳಿತು ಇದೆ, ಹತ್ತಿರದ ಇಲ್ಲಿದೆ ನಾನು ಬರಲು ಸಾಧ್ಯವಾಯಿತು. ಆದ್ದರಿಂದ ಈ ವಿಷಯವನ್ನು ಆಧಾರಿತ ಫಿಲ್ಟರಿಂಗ್ ವ್ಯವಸ್ಥೆಗಳು, ಅವರು ಈ ಮೂಲ ರಚನೆಯನ್ನು ಹೊಂದಿವೆ. ಅವರು ಐಟಂ ನೆಚ್ಚಿಕೊಂಡಿದ್ದಾರೆ ಪ್ರಶ್ನೆ ಮತ್ತು ಏನೂ ಬಳಕೆದಾರ ಆದ್ಯತೆಗಳು ಯಾವುದೇ ಬಗ್ಗೆ. 

ನಾವು ಬಳಸುವ ಇತರ ಯಾಂತ್ರಿಕ ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳು ನಿರ್ಮಿಸಲು ಆದೇಶ ಸಹಕಾರಿ ಫಿಲ್ಟರಿಂಗ್ ಕರೆಯಲಾಗುತ್ತದೆ. ಸಹಕಾರಿ ಫಿಲ್ಟರಿಂಗ್ ಅವಲಂಬಿಸಿರುತ್ತದೆ ಅಲ್ಲ ವಸ್ತು ಸ್ವತಃ ಗುಣಗಳನ್ನು, ಆದರೆ ಜನರು, ಇತರ ಬಳಕೆದಾರರು ಅವರು ನಾವು ಹೇಗೆ, ಆಗಿದೆ ಇದೇ ವಸ್ತುಗಳು ಪ್ರತಿಕ್ರಿಯಿಸಿದರು. ಆದ್ದರಿಂದ ನನ್ನ ಚಿತ್ರ ಉದಾಹರಣೆಗೆ ಮುಂದುವರಿಸಲು, ನನ್ನ ಸ್ನೇಹಿತರ ಒಂದು ಗುಂಪನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ಎಂಬುದನ್ನು ಬಗ್ಗೆ ಸಮೀಕ್ಷೆ ಅವರು ನಿರ್ದಿಷ್ಟ ಸಿನೆಮಾ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ. ಈಗ ವಿವಿಧ ಸ್ಥಳಗಳಲ್ಲಿ ರಚಿಸುತ್ತೇವೆ ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಈ ಡೇಟಾ. ನೀವು ನೇರವಾಗಿ ಸಮೀಕ್ಷೆ ನಿಮ್ಮ ಬಳಕೆದಾರರು, ಅಥವಾ ನೀವು ಕೇವಲ ಸಾಧ್ಯವೋ ಅವರು ವೇಳೆ ಆಯ್ಕೆ ಎಂಬುದನ್ನು ನೀವು ಉದಾಹರಣೆಗೆ ನೆಟ್ಫ್ಲಿಕ್ಸ್, ಆರ್. ಅವರು ಚಲನಚಿತ್ರಗಳನ್ನು ವೀಕ್ಷಿಸಲು ನೀಡಲಿಲ್ಲ? 

ನಾನು ಕೆಲವು ಪ್ರಶ್ನಿಸಬಹುದು ನನ್ನ ಇಲ್ಲಿ ಸ್ನೇಹಿತರು ಕಂಡುಹಿಡಿಯಲು ಜೇಸನ್ ಪ್ರತಿ ಚಿತ್ರ ಇಷ್ಟಪಟ್ಟ ಅವರು ಆಶ್ಚರ್ಯ, ಕಂಡಿತು. ಆಂಡಿ ಮಾತ್ರ ಗುಲಾಮರನ್ನು ಮತ್ತು ಚಿಕ್ಕಮ್ಮ ಮ್ಯಾನ್ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ. ಸಾರಾ ಇನ್ಸೈಡ್ ಔಟ್ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಮತ್ತು ಅವೆಂಜರ್ಸ್, ಆಂಡಿ ವಿರುದ್ಧ. ಮತ್ತು ಸ್ಯಾಮ್ ಹಾಗೂ ಸ್ಯಾಮ್ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಸೂಪರ್ಹೀರೋ ಸಿನೆಮಾ ಎಲ್ಲಾ, ಆದರೆ ಅನಿಮೇಟೆಡ್ ಚಲನಚಿತ್ರಗಳನ್ನು ಯಾವುದೂ. 

ನಾನು ಕೆಲವು ಹೊಸ ಪ್ರಶ್ನೆ ಎಂದು ನನ್ನ ವೈಯಕ್ತಿಕ, ಕೆಲವು ಇತರ ಬಳಕೆದಾರರ ನಾನು ಇಷ್ಟಪಟ್ಟ ಮತ್ತು, ಜೊತೆಗೆ, ಕೇಳಲು ಈ ಸಿನೆಮಾ ಒಂದು, ನೀವು ಬಗ್ಗೆ ಊಹೆ ಮಾಡಬಹುದು ಇತರ ಇದು ನಾನು ಇಷ್ಟಪಡಬಹುದು ಸಿನೆಮಾ. ನಾನು ಒಳಗೆ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಅಂದರೆ ಇತರ ಸಿನೆಮಾ, ಔಟ್ ಸಹ ನೋಡಲು ಬಯಸುವ ನಾನು ಸಾಧ್ಯತೆ ನಾನು ಇರುವ ಜನರನ್ನು ಏನು ಆಧರಿಸಿ? ನಾನು ಒಂದು ಮೂಲಕ ಹೋಗುತ್ತೇನೆ, ಆಗಿದೆ ನಾನು ಈ ಪಟ್ಟಿಯಲ್ಲಿ ಮೂಲಕ ಫಿಲ್ಟರ್ ಮಾಡುತ್ತೇವೆ ಮತ್ತು ಕೇವಲ ಹೇಗೆ ಸಹ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ವ್ಯಕ್ತಿಗಳು ನನ್ನ ಆದ್ಯತೆಗಳು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಯಾರು, ಒಳಗೆ. ಅಲ್ಲದೆ, ಆ ಅರ್ಥ ಆಂಡಿ ಮತ್ತು ಸ್ಯಾಮ್, ಅವರು ಇನ್ಸೈಡ್ ಔಟ್ ಇಷ್ಟವಾಗುತ್ತಿರಲಿಲ್ಲ ಆದ್ದರಿಂದ ನಾನು ಅವರನ್ನು ಪರಿಗಣಿಸಲು ನಾನೇನು. ನಾನು ತೊಡೆದುಹಾಕಲು ಪಡೆಯಲಿದ್ದೇನೆ ತಮ್ಮ ಈ ಹೋಲಿಕೆ ಮಾಹಿತಿ. 

ನಾನು ನಂತರ ಜೇಸನ್ ನೋಡಬಹುದು ಮತ್ತು ಸಾರಾ ಭಾವಿಸಲಾಗಿದೆ ಮತ್ತು ಪಟ್ಟಿಯಲ್ಲಿ ಅವರು ನೋಡಿದ ಸಿನೆಮಾ ಇದು ಅಪ್ ನಾನು ಅವುಗಳನ್ನು ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಎಂದು, ಮಾಡಲಿಲ್ಲ ಎಂದು ಅಥವಾ. ನಾನು, ಲೆಕ್ಕ ಮತಗಳು ಹೇಳಲು ಅವಕಾಶ. ಗುಲಾಮರನ್ನು ಆದ್ದರಿಂದ, ಉದಾಹರಣೆಗೆ ಒಂದು ಹೊಂದಿರಬಹುದು ಜೇಸನ್ ಇದು ಇಷ್ಟಪಟ್ಟಿದ್ದರು, ಇದು ಮತ. ಜೇಸನ್ ಮತ್ತು ಸಾರಾ ಎರಡೂ ಅವೆಂಜರ್ಸ್ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ, ಆದ್ದರಿಂದ ಎರಡು ಮತಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಮತ್ತು ಮಾತ್ರ ಜೇಸನ್, ಇರುವೆ ಮ್ಯಾನ್ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಆದ್ದರಿಂದ ಒಂದು ಮತ ಹೋಗಬಹುದು. ಹಾಗಾಗಿ ನಂತರ ಶಿಫಾರಸು ಬಂತು ಈ ಸಿನೆಮಾ ನನ್ನ ಇದು ನಾನು ನಾನು, ವೀಕ್ಷಿಸಲು ಹೆಚ್ಚಾಗಿ ಇರಬಹುದು ಅವೆಂಜರ್ಸ್: Ultron ವಯಸ್ಸು ಆರಿಸಬೇಕಾಗುತ್ತದೆ. 

ಈ ಯಾವುದೇ ಆದ್ದರಿಂದ ವ್ಯವಸ್ಥೆಗಳು, ಈಗ ನಾನು ಬಳಸಿ ನಾನು ಬಗ್ಗೆ ರಚಿಸಿದ್ದಾರೆ ಎಂದು ಮಾಹಿತಿ ಚಿತ್ರ ಸ್ವತಃ, ಆದರೆ ಆದ್ಯತೆಗಳ ಬಗ್ಗೆ ಇತರ ಬಳಕೆದಾರರಿಂದ. ಈ ಕೋರ್ಸಿನ ಕೆಲವು ತೊಂದರೆಗಳನ್ನು ಹೊಂದಿರುವ. ನೀವು ಯಾವುದೇ ಬಳಕೆದಾರರು ಇದ್ದರೆ? ಅಲ್ಲದೆ, ಆ ಆರಂಭಿಕ ಸಮಸ್ಯೆಯನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ. ನೀವು ಕೆಲವು ಹೊಂದಿರಬೇಕು ಡೇಟಾ ಪ್ರಮಾಣ ನೀವು ಮೊದಲು ಮಾಡುವ ಆರಂಭಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಈ ಶಿಫಾರಸುಗಳನ್ನು. ಇದು ವಹಿಸುವುದಾಗಿ ಒಮ್ಮೆ ನೀವು, ಮಾಹಿತಿ ಸಂಗ್ರಹಿಸುವ ಆರಂಭಿಸಲು ನೀವು ಹೆಚ್ಚು ಸಂಗ್ರಹಿಸಲು ವೇಳೆ ಮತ್ತು ಹೆಚ್ಚು ಹೆಚ್ಚು ಮಾಹಿತಿ, ನೀವು ಉತ್ತಮ ಮತ್ತು ಉತ್ತಮ ಪಡೆಯಲು ಮಾಡುತ್ತೇವೆ ಮತ್ತು ಉತ್ತಮ ಶಿಫಾರಸುಗಳನ್ನು. 

ಈಗ ನಾವು ಭಾಷಾಂತರಿಸಲು ಕೋಡ್ ಈ ಜೊತೆಗೆ. ನಾವು ಬೇರೆ ರೂಪಿಸಬಹುದು ರಚನೆ ರೀತಿಯ, ಈ ಸಂದರ್ಭದಲ್ಲಿ ನಾವು ಒಂದು ಬಳಕೆದಾರ ಕರೆ ಮಾಡುತ್ತೇವೆ. ಮತ್ತು ಅದರ ಬಗ್ಗೆ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಅವರಲ್ಲಿದೆ ಈ ಬಳಕೆದಾರ ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಸಿನೆಮಾ. ಅವರು ಇನ್ಸೈಡ್ ಔಟ್ ಇಷ್ಟವಾಯಿತೆ, ಗುಲಾಮರನ್ನು, ಅವೆಂಜರ್ಸ್ ಮತ್ತು ಇರುವೆ ಮ್ಯಾನ್. ನಾವು ನಂತರ ಉತ್ಪಾದಿಸುವ ಕೆಲವು ಸೂಡೊಕೋಡ್ಗಳನ್ನು ಅನುಸರಿಸಲು ನಾನು ಮೊದಲು ಬಳಸಿದ ಅದೇ ವಿಧಾನವನ್ನು. ಎಂದು, ಒಂದು ನಿರ್ದಿಷ್ಟ ನೀಡಲಾಗುತ್ತದೆ ಬಳಕೆದಾರ X, ನ ಚಿತ್ರ ಶಿಫಾರಸು ಅವಕಾಶ ಕ್ಷ ಇಷ್ಟಪಡಬಹುದು. ನಾವು ಮೂಲಕ ಹೋಗಿ ಮಾಡಬಹುದು ಸಿನೆಮಾ ಎಲ್ಲಾ, ನಾವು ಸ್ಕೋರ್ ಆರಂಭಿಸಲು ಮಾಡಬಹುದು ಚಿತ್ರದ 0 ಎಂದು. ನಂತರ ನಾವು ಎಲ್ಲಾ ಕಾಣಬಹುದು ಇತರ ಬಳಕೆದಾರರ ಯಾರು ಎಕ್ಸ್ ಅದೇ ಆದ್ಯತೆಗಳನ್ನು ಹೊಂದಿವೆ. ತದನಂತರ ಪ್ರತಿ ಚಿತ್ರ ಅವರು ಇಷ್ಟಪಟ್ಟ ನಾವು ಚಿತ್ರದ ಸ್ಕೋರ್ ಹೆಚ್ಚಿಸಲು ಮಾಡುತ್ತೇವೆ. ರಲ್ಲಿ ಯಾವುದೇ ಚಿತ್ರ ಕೊನೆಯಲ್ಲಿ ಹೆಗ್ಗಳಿಕೆಗೂ ಹೊಂದಿದೆ, ನಾನು ಶಿಫಾರಸು ಮಾಡಬೇಕು ಒಂದಾಗಿದೆ. 

ಈ ಯಾವುದೇ ನಿಜವಾಗಿಯೂ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ. ಈ ಯಾವುದೇ ಸವಾಲಾಗಿದೆ. ಈ ಎಲ್ಲಾ ಮೂಲಭೂತ ಕ್ರಮಾವಳಿಗಳು ನೀವು ಇಂದು ಬಳಸಿಕೊಂಡು ಎಂದು. 

ಈಗ ನಿಜವಾದ ಶಿಫಾರಸುದಾರ ವ್ಯವಸ್ಥೆಗಳು, ನೀವು ಕೆಲವು ಸಮಸ್ಯೆಗಳು ಎದುರಾದವು. ಏನು ಯಾರೂ ಇಲ್ಲ ವೇಳೆ ನಿಖರವಾಗಿ ನಿಮ್ಮ ಆದ್ಯತೆಗಳನ್ನು ಪಂದ್ಯಗಳಲ್ಲಿ? ಬಳಕೆದಾರರು ಏನು ಇವೆ ಯಾರು ನಿಖರವಾಗಿ ನಿಮ್ಮ ಆದ್ಯತೆಗಳನ್ನು, ಆದರೆ ನಂತರ ತೀವ್ರವಾಗಿ ವಿಪಥಗೊಳ್ಳುತ್ತದೆ ನೀವು ಏನು? ನಾನು ಶಾಸ್ತ್ರೀಯ ಗಾಡ್ಜಿಲ್ಲಾ ಇಷ್ಟ ಸಿನೆಮಾ, ಆದರೆ ನನ್ನ ಹೆಂಡತಿ ಮಾಡುವುದಿಲ್ಲ. ನನ್ನ, ಅವುಗಳನ್ನು ವೀಕ್ಷಿಸಲು ನೀವು ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಖಾತೆಯನ್ನು ಅವುಗಳನ್ನು ಹೊಂದಿದೆ. ಆಕೆಯ ತಂದೆಯ ಮಾಡುವುದಿಲ್ಲ. ನಾವು ಆರಂಭಿಸಲು ಏನಾಗುತ್ತದೆ ಈ ರೀತಿ ಮಾಹಿತಿಗೆ ಮಿಶ್ರಣ? ಈ ಎಲ್ಲಾ ಸವಾಲುಗಳನ್ನು , ನೀವು ಜಯಿಸಲು ಎಂದು ಅವು ಸ್ವಲ್ಪ ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಸಂಕೀರ್ಣ ಕ್ರಮಾವಳಿಗಳು. 

ಈಗ ನಿಜವಾದ ವಿಶ್ವದ, ಇದು ವಾಸ್ತವವಾಗಿ ಕಾರ್ಯಾಚರಣೆಯ ಇವೆ ನಾವು ವಿಷಯವನ್ನು ಆಧರಿತ ಫಿಲ್ಟರಿಂಗ್ ಬಳಸುವುದು ಅಥವಾ ನಾವು ಸಹಕಾರಿ ಫಿಲ್ಟರಿಂಗ್ ಬಳಸುವುದು? ಮತ್ತು ಉತ್ತರ ನಾವು ಅವುಗಳನ್ನು ಎರಡೂ ಬಳಸಿ. ಬಹುತೇಕ ಬಳಕೆದಾರರ ರಲ್ಲಿ ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅಮೆಜಾನ್, ಫೇಸ್ಬುಕ್, ನೆಟ್ಫ್ಲಿಕ್ಸ್, ಪಾಂಡೊರ, ಅವರು ಎಲ್ಲಾ ಸಂಯೋಜನೆಯನ್ನು ಬಳಸಿ ಈ ವಿವಿಧ ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳು. ನಾವು ನಿರ್ಧಾರಗಳನ್ನು ಒಟ್ಟುಗೂಡಿದರೆ ಪ್ರತಿ, ನಾವು ಹೈಬ್ರಿಡ್ ಪದ್ಧತಿಗಳು ಕರೆ. ಕೆಲವು ರೀತಿಯಲ್ಲಿ ಅವರು ಆಧರಿತವಾಗಿ ವಸ್ತು ಸ್ವತಃ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಮತ್ತು ಕೆಲವು ವಿಧಗಳಲ್ಲಿ ಅವರು ಆಧರಿತವಾಗಿ ಇತರ ಬಳಕೆದಾರರ ಆದ್ಯತೆಗಳನ್ನು. ಈ ಹೈಬ್ರಿಡ್ ಪದ್ಧತಿಗಳು, ಅವರು ದೊಡ್ಡ ವ್ಯಾಪಾರ ಆರ್, ಮತ್ತು ಅವರು ಇಂದು ಪ್ರಸ್ತುತ ಎಂಬುದನ್ನು ಆರ್. 

ನನಗೆ ಸೇರುವ ತುಂಬಾ ಧನ್ಯವಾದಗಳು. ನಾನು ಸ್ವಲ್ಪ ಪಡೆದ ಭಾವಿಸುತ್ತೇವೆ ತಿಳುವಳಿಕೆ ಬಿಟ್ ಏನು ಈ ವ್ಯವಸ್ಥೆಗಳು ಕೆಲಸ ಮಾಡುತ್ತದೆ. ನೀವು ಆನ್ಲೈನ್ ನೀವು ಮುಂದಿನ ಬಾರಿ, ನೆನಪು ಕೇವಲ ನೀವು ನಿಮ್ಮ ಆಯ್ಕೆಗಳನ್ನು ಪ್ರಭಾವ, ಆದರೆ ಬೇರೆ ಸಮರ್ಥವಾಗಿ ಎಲ್ಲರೂ ಜೊತೆಗೆ ಇಲ್ಲಿದೆ. ಮತ್ತೊಮ್ಮೆ ಧನ್ಯವಾದಗಳು.