1
00:00:00,000 --> 00:00:03,416
>> [MUSIC nagpe-play]

2
00:00:03,416 --> 00:00:05,860

3
00:00:05,860 --> 00:00:08,180
>> BRAIN SCASSELLATI: Welcome
sa mga serye CS50 AI.

4
00:00:08,180 --> 00:00:12,600
Ang pangalan ko ay Scass, at ngayon kami ay pagpunta
makipag-usap tungkol recommender systems.

5
00:00:12,600 --> 00:00:15,780
Ngayon recommender tunog systems
tulad ng uri ng isang kakaibang pangalan.

6
00:00:15,780 --> 00:00:18,630
Ito tunog tulad marahil ito ay dapat na
maging rekomendasyon sistema,

7
00:00:18,630 --> 00:00:21,290
at ako uri ng sumasang-ayon sa iyo.

8
00:00:21,290 --> 00:00:26,110
Ngunit ito ay ang sistema na makakatulong sa
piliin ang mga katulad na mga bagay-bagay sa tuwing

9
00:00:26,110 --> 00:00:28,210
pumili ka ng isang bagay na online.

10
00:00:28,210 --> 00:00:32,119
Netflix, halimbawa ay magmumungkahi ng iba pang mga
pelikula na baka gusto mong panoorin.

11
00:00:32,119 --> 00:00:36,660
O Pandora ay magmumungkahi ng iba't ibang
kanta na maaaring gusto mong makinig sa.

12
00:00:36,660 --> 00:00:40,940
Amazon ay magmumungkahi ano ang mga uri ng
iba pang mga produkto na maaaring gusto mong bumili.

13
00:00:40,940 --> 00:00:43,520
Facebook ay kahit na iminumungkahi
ang ilan sa mga iba pang mga kaibigan

14
00:00:43,520 --> 00:00:45,440
na maaaring gusto mong idagdag.

15
00:00:45,440 --> 00:00:49,800
Bawat isa sa mga sistema ay tumatakbo na gumagamit
ang parehong mga pangunahing uri ng mga algorithm,

16
00:00:49,800 --> 00:00:52,520
at iyon ang hindi namin
pagpunta sa makipag-usap tungkol sa ngayon.

17
00:00:52,520 --> 00:00:56,860
>> Ngayon ang mga algorithm ay
nakakagulat malaking negosyo.

18
00:00:56,860 --> 00:01:01,130
Netflix ng ilang taon na ang nakakaraan sa
2009 inalok ng $ 1 milyon

19
00:01:01,130 --> 00:01:07,240
prize kung maaari mong pagbutihin ang kanilang
rekomendasyon ng sistema sa pamamagitan lamang ng 10%.

20
00:01:07,240 --> 00:01:11,960
Iyon 10%, bagaman, ay kumakatawan sa isang
malaking halaga ng negosyo.

21
00:01:11,960 --> 00:01:15,330
Ang mga pagtatantiya ay mahirap
dumating sa pamamagitan ng, ngunit maraming mga tao

22
00:01:15,330 --> 00:01:19,050
naniniwala na ang mga rekomendasyon
sistema para sa isang online na pagbili

23
00:01:19,050 --> 00:01:25,729
system tulad ng Amazon lead sa tabi-tabi
sa pagitan ng 10% at 25% mas mataas na kita.

24
00:01:25,729 --> 00:01:27,770
Kaya maaari mong isipin ang
uri ng lakas ng tunog na ikaw ay

25
00:01:27,770 --> 00:01:32,860
pakikipag-usap tungkol sa kapag sa tingin namin tungkol
kahit na ang mga maliit na mga algorithm.

26
00:01:32,860 --> 00:01:35,200
>> Kaya sabihin makakuha ng ilang mga halimbawa.

27
00:01:35,200 --> 00:01:38,460
Paano ay ito na ang mga
sistema na talagang gumagana?

28
00:01:38,460 --> 00:01:40,773
May dalawang pangunahing
uri ng mga algorithm na

29
00:01:40,773 --> 00:01:45,050
ay sa play sa usaping
pagbuo ng mga rekomendasyon.

30
00:01:45,050 --> 00:01:48,650
Ang unang iyan ay tinatawag na
based filter ng nilalaman.

31
00:01:48,650 --> 00:01:53,410
At sa pag-filter ng nilalaman na batay nakasalalay
sa pagkakatulad sa pagitan ng mga item

32
00:01:53,410 --> 00:02:00,370
kanilang sarili, na nasa pagitan ng dalawang mga pelikula
o dalawang kanta o dalawang mga bagay na binili.

33
00:02:00,370 --> 00:02:03,190
Kami ay pagpunta sa gamitin ang pelikula
bilang isang halimbawa, ngunit ito

34
00:02:03,190 --> 00:02:07,850
maaaring mag-aplay, talaga, sa anumang uri
ng object na kami ay naghahanap para sa.

35
00:02:07,850 --> 00:02:13,330
>> Kaya kung sa tingin ko ang tungkol sa ilang
mga pelikula mula sa nakaraang taon,

36
00:02:13,330 --> 00:02:16,799
Nakita ko ang Inside Out sa
ang mga anak ko, mga mahal nila ito.

37
00:02:16,799 --> 00:02:17,840
Ngunit nagkaroon din kami ng isang pagpipilian.

38
00:02:17,840 --> 00:02:21,350
Kami ay maaaring may nawala upang makita Minions,
kami ay maaaring tumingin sa Edad ng Ultron,

39
00:02:21,350 --> 00:02:24,850
o maaari naming tumingin sa
Ant Man sa mga sinehan.

40
00:02:24,850 --> 00:02:27,580
>> Para sa alinman sa mga ito
mga pelikula, maaari naming isipin

41
00:02:27,580 --> 00:02:33,320
pagbuo ng isang listahan ng mga tampok o
katangian ang tungkol sa mga iba't ibang mga pelikula.

42
00:02:33,320 --> 00:02:37,190
Kaya halimbawa, kaya kong isaalang-alang
kung alin sa mga pelikula ay animated.

43
00:02:37,190 --> 00:02:39,960
Well, parehong Inside Out
at Minions ay animated.

44
00:02:39,960 --> 00:02:44,140
Wala alinman sa Edad ng Ultron ni
Ant Man mga animated movies.

45
00:02:44,140 --> 00:02:47,040
At ako ay maaaring magpalagay na gusali
up ng isang istraktura, ang isang talahanayan na

46
00:02:47,040 --> 00:02:49,440
Inililista bawat isa sa mga katangian.

47
00:02:49,440 --> 00:02:51,790
Sigurado sila animated o hindi?

48
00:02:51,790 --> 00:02:54,780
Maaari ako pagkatapos magdagdag ng higit pa
mga tampok sa talahanayan na ito

49
00:02:54,780 --> 00:02:58,380
sa pamamagitan ng pagdaragdag ng mas maraming mga hilera sa structure na ito.

50
00:02:58,380 --> 00:03:00,970
Maaari kong tanungin kung o
hindi ang mga ito ay mga pelikula milagro.

51
00:03:00,970 --> 00:03:04,010
Well, Inside Out at Minions
hindi movies milagro,

52
00:03:04,010 --> 00:03:06,715
Edad ng Ultron at Ant Man tiyak.

53
00:03:06,715 --> 00:03:09,100
>> At ako ay maaaring humingi ng anumang uri
ng iba't ibang mga katangian

54
00:03:09,100 --> 00:03:12,080
na nais ko, ang anumang mga uri ng mga tampok
na maaaring mahalaga sa akin.

55
00:03:12,080 --> 00:03:13,440
Sila ay may isang super kontrabida ba?

56
00:03:13,440 --> 00:03:16,700
Well, walang super kontrabida sa Inside
Out, ngunit may mga bago sa Minions

57
00:03:16,700 --> 00:03:19,990
at sa, malinaw naman, ang
dalawang superhero movies.

58
00:03:19,990 --> 00:03:23,900
>> Maaari ko ring magtanong ng mga bagay tulad ng, well,
gawin nila pumasa sa pagsubok Bechdel?

59
00:03:23,900 --> 00:03:27,280
Sigurado pinangalanan mayroong dalawang
female character na

60
00:03:27,280 --> 00:03:30,550
gumastos ng ilang makabuluhang halaga ng
oras sa pagkakaroon ng isang pag-uusap na

61
00:03:30,550 --> 00:03:34,400
ay hindi kasangkot sa mga lalaki sa cast?

62
00:03:34,400 --> 00:03:39,870
Well, sa kasong ito, magbabalik Inside Out
ang mga pagsubok, nabigo Minions, Age of Ultron

63
00:03:39,870 --> 00:03:42,990
pumasa sa pagsubok, at nabigo Ant Man.

64
00:03:42,990 --> 00:03:45,020
Anumang isa sa mga tampok na ito
Kaya kong isipin ang tungkol sa

65
00:03:45,020 --> 00:03:48,660
bilang mahalaga para sa ilang mga tao.

66
00:03:48,660 --> 00:03:52,000
>> Maaari ko ring magtanong ng mga bagay tulad ng mga
Mayroon bang anumang mga tao sa mga pelikula na

67
00:03:52,000 --> 00:03:57,190
mga alumni mula sabihin natin, Parke at
Libangan, ang isa sa aking mga paboritong palabas.

68
00:03:57,190 --> 00:04:00,540
Well, Inside Out may Amy
Poehler, na ang isang Alumni.

69
00:04:00,540 --> 00:04:01,530
Iyon ang binibilang.

70
00:04:01,530 --> 00:04:04,110
Jon Hamm ay sa Minions.

71
00:04:04,110 --> 00:04:08,600
Paul Rudd ay sa Ant Man, ngunit walang isa
sa Edad ng Ultron ay sa Parke at Req

72
00:04:08,600 --> 00:04:10,150
din.

73
00:04:10,150 --> 00:04:12,990
Kaya ang maaari kong bumuo ng up ang listahan ng mga
mga tampok, at maaaring sila ay talagang

74
00:04:12,990 --> 00:04:14,710
maging anumang bagay tungkol sa mga movies.

75
00:04:14,710 --> 00:04:17,329
Sila ay maaaring maging tungkol sa kung ano
aspect ratio sila ay pagbaril sa,

76
00:04:17,329 --> 00:04:21,630
maaaring ito ay kung gaano karaming mga upuan nila
ibinebenta sa kanilang opening weekend.

77
00:04:21,630 --> 00:04:25,630
Anumang mga tampok na gusto kong
bumuo ang maaari kong ilagay sa talahanayan na ito.

78
00:04:25,630 --> 00:04:29,600
>> Ngayon, sa kasong ito, na binuo ko
lahat ng uri ng Bullion halaga,

79
00:04:29,600 --> 00:04:33,700
oo o hindi, pumasa o mabibigo,
ngunit maaaring sila ay kahit ano.

80
00:04:33,700 --> 00:04:36,690
Sila ay maaaring maging di-makatwirang halaga.

81
00:04:36,690 --> 00:04:39,070
Para sa pag-filter ng nilalaman na batay,
kung ano ang namin ang pagpunta sa gawin

82
00:04:39,070 --> 00:04:42,810
ay kami ay pagpunta upang isaalang-alang
dalawang mga hanay sa talahanayan na ito

83
00:04:42,810 --> 00:04:45,660
at makita kung gaano magkakatulad ang mga ito.

84
00:04:45,660 --> 00:04:48,640
Kaya halimbawa, kung ako
nagpunta upang makita Inside Out,

85
00:04:48,640 --> 00:04:53,640
Baka ako tanungin, ano ang ibang mga pelikula
na baka ako ay handa upang pumunta makita.

86
00:04:53,640 --> 00:04:56,890
Iyon ay, kung ano ang handang
gastusin ang aking pera upang pumunta makita.

87
00:04:56,890 --> 00:05:00,310
At maaari ko bang ihambing ito sa pamamagitan ng pagkuha lamang
ang dalawang mga haligi, isa mula sa Inside Out

88
00:05:00,310 --> 00:05:03,300
at isa mula sa alinman sa mga
iba pang mga pelikula, at lamang ang nakakakita

89
00:05:03,300 --> 00:05:06,210
kung ilan sa kanilang mga tugma tampok.

90
00:05:06,210 --> 00:05:09,660
Kaya kung ihahambing ko ang Inside Out
may Minions, well, may

91
00:05:09,660 --> 00:05:10,910
tatlong bagay dito na tumutugma.

92
00:05:10,910 --> 00:05:16,200
Sila ay parehong animated, alinman sa mga ito
mga pelikula milagro, at pareho ng mga ito

93
00:05:16,200 --> 00:05:18,420
Mayroon Parks at Req alumni.

94
00:05:18,420 --> 00:05:20,420
Kaya maaari kong bilangin up kung paano
maraming mga tugma mayroong,

95
00:05:20,420 --> 00:05:22,640
at sa kasong ito may gusto maging tatlo.

96
00:05:22,640 --> 00:05:26,450
>> Kung pagkatapos ay i-kumpara Inside Out
may sabihin natin Edad ng Ultron,

97
00:05:26,450 --> 00:05:28,430
Maaari ko bang tingnan ang listahan
at sabihin mo, well, may

98
00:05:28,430 --> 00:05:30,140
lamang ng isang bagay na tumutugma doon.

99
00:05:30,140 --> 00:05:34,560
Sila ay parehong pumasa sa pagsubok Bechtel, kaya
na ay magiging isang puntos ng isa.

100
00:05:34,560 --> 00:05:36,770
At sa pagitan Inside Out
at Ant Man, muli kong

101
00:05:36,770 --> 00:05:41,420
maaaring ihambing bawat linya nito kung gaano karaming
mga bagay na tumugma sa pagitan ng dalawa sa kanila.

102
00:05:41,420 --> 00:05:43,060
Well, isa ay animated, ang isa ay hindi.

103
00:05:43,060 --> 00:05:44,970
One ay isang milagro movie, isa ay hindi.

104
00:05:44,970 --> 00:05:47,280
Nakakuha One ng isang sobrang kontrabida,
ang iba pang ay hindi.

105
00:05:47,280 --> 00:05:49,480
One magbabalik ang Bechtel
test, nabigo ang isa sa mga ito,

106
00:05:49,480 --> 00:05:54,450
ngunit sila ay parehong may mga Parke at Req alumni,
kaya muli, ito ay makakakuha ng isang marka ng isa.

107
00:05:54,450 --> 00:05:58,300
>> Kaya kung ako ay naghahanap para sa mga pelikula
na katulad ng sa Inside Out,

108
00:05:58,300 --> 00:06:02,170
Kaya kong tumingin para sa mga pelikula na mayroon
ang pinakamataas na iskor sa loob ng nilalaman

109
00:06:02,170 --> 00:06:03,952
scheme filtering.

110
00:06:03,952 --> 00:06:05,660
Kaya sa kasong ito, ako
isaalang-alang ang Minions

111
00:06:05,660 --> 00:06:08,330
upang maging mas malapit at mas
malamang na maging isang bagay

112
00:06:08,330 --> 00:06:13,250
na ako ay gumastos ng pera upang makita
sa Edad ng Ultron o Ant Man.

113
00:06:13,250 --> 00:06:16,150
>> Based Ang mga nilalaman
filtering systems lamang umaasa

114
00:06:16,150 --> 00:06:18,670
sa mga katangian ng
mga pelikula, at sa gayon ako

115
00:06:18,670 --> 00:06:21,930
maaaring bumuo ng mga pamamagitan lamang ng karunungan
isang bagay tungkol sa mga produkto

116
00:06:21,930 --> 00:06:23,500
na mayroon akong.

117
00:06:23,500 --> 00:06:26,050
Maaari ko bang gamitin ang anumang uri ng
mga tampok na gusto ko,

118
00:06:26,050 --> 00:06:28,400
at maaari ba akong bumuo ng higit pa
kumplikadong mga tampok na

119
00:06:28,400 --> 00:06:33,060
magdawit ng mas kumplikadong mga test
ng isang kalidad na pumunta ako kasama.

120
00:06:33,060 --> 00:06:39,080
Sa katunayan, maaaring kahit ko bang tingnan ang talahanayan na ito
hindi bilang isang static na bagay,

121
00:06:39,080 --> 00:06:43,110
ngunit sa halip na rin ang pagiging sukat
sa loob ng isang mas malaking espasyo ng estado.

122
00:06:43,110 --> 00:06:46,295
At maaari ko bang simulan ang pakikipag-usap tungkol sa
distansya sa pagitan ng iba't ibang movies.

123
00:06:46,295 --> 00:06:49,300

124
00:06:49,300 --> 00:06:51,050
Ito ang lahat ng mga bagay-bagay
na alam namin kung paano sila

125
00:06:51,050 --> 00:06:55,860
gawin gamit ang mga uri ng istruktura ng data
na kami ay nakita ko na sa CS50.

126
00:06:55,860 --> 00:06:59,180
Kaya maaari kong isipin na gusali
isang istraktura ng data para sa isang pelikula.

127
00:06:59,180 --> 00:07:02,390
May isang struct na ko
itinayo tinatawag movie,

128
00:07:02,390 --> 00:07:04,369
at ito ay may limang Boolean entries sa loob nito.

129
00:07:04,369 --> 00:07:07,160
Ay animated ito, ito ay isang milagro
pelikula, ang magkaroon ng isang super kontrabida,

130
00:07:07,160 --> 00:07:11,047
ay ito pumasa sa pagsubok Bechdel, at
ang naroon Parks at Rec alumni sa loob nito?

131
00:07:11,047 --> 00:07:12,880
At bawat isa sa mga ito ay isang
istraktura ng data na ako

132
00:07:12,880 --> 00:07:16,330
maaaring sumakop para sa partikular na pelikula.

133
00:07:16,330 --> 00:07:20,090
>> Pagkatapos compute kung dalawang
pelikula ay katulad o hindi,

134
00:07:20,090 --> 00:07:23,330
ano ang kanilang mga iskor ay, maaari ko
isulat ang isang hanay ng mga pseudocode na

135
00:07:23,330 --> 00:07:25,120
bumubuo na parehong function.

136
00:07:25,120 --> 00:07:30,100
Iyon ay, na ibinigay ng ilang pelikula M1, maaari ko
hanapin ang pinaka-katulad na movie na ito

137
00:07:30,100 --> 00:07:32,430
pamamagitan ng pagsunod sa pseudocode.

138
00:07:32,430 --> 00:07:37,040
Isaalang-alang ko na kung saan ay ang pinakamahusay na
pagmamarka ng sistema na na nahanap ko,

139
00:07:37,040 --> 00:07:39,920
ang pinakamahusay na mga paghahambing na nalaman ko.

140
00:07:39,920 --> 00:07:41,890
Para sa lahat ng iba pang movie
Pupunta ako sa pumunta sa pamamagitan ng,

141
00:07:41,890 --> 00:07:44,920
Kukunin ko i-set ang isang marka match katumbas ng 0.

142
00:07:44,920 --> 00:07:47,920
At kukunin ko na pumunta sa pamamagitan ng na
movie, isang M1, ang pelikula

143
00:07:47,920 --> 00:07:51,500
Ako makapagsimula sa, kukunin ko na suriin
ang bawat isa at ang bawat tampok

144
00:07:51,500 --> 00:07:53,650
na mayroon sila upang makita ang
kung may isang match.

145
00:07:53,650 --> 00:07:56,460
Kung mayroong isang pares, kukunin ko
paglakas ng pagtutugma ng kalidad.

146
00:07:56,460 --> 00:08:00,480
At kung sa tapusin ang tumugma sa iskor na
Ako ay mas mahusay kaysa sa mga kasalukuyang pinakamahusay na

147
00:08:00,480 --> 00:08:03,310
puntos, at pagkatapos ay makikita ko ang
tandaan na ang pinakamahusay na iskor,

148
00:08:03,310 --> 00:08:05,820
at ito ay ang pinakamahusay na tugma na mayroon ako.

149
00:08:05,820 --> 00:08:09,450
Sa katapusan, kahit anong movie
ay nakaupo sa pinakamahusay na tugma,

150
00:08:09,450 --> 00:08:12,580
iyon ang pinakamalapit
Napuntahan ko na dumating.

151
00:08:12,580 --> 00:08:14,890
Kaya batay sa mga nilalaman
filtering systems,

152
00:08:14,890 --> 00:08:16,900
lahat sila ay may mga ito ng pangunahing istraktura.

153
00:08:16,900 --> 00:08:20,910
Sila ay umaasa sa mga item
na pinag-uusapan at wala

154
00:08:20,910 --> 00:08:24,590
tungkol sa alinman sa mga kagustuhan ng gumagamit.

155
00:08:24,590 --> 00:08:29,010
>> Ang iba pang mga mekanismo na ginagamit namin sa
order upang bumuo ng rekomendasyon sistema

156
00:08:29,010 --> 00:08:31,790
ay tinatawag collaborative filtering.

157
00:08:31,790 --> 00:08:36,520
Tulungang filtering ay nakasalalay sa
hindi ang mga katangian ng bagay mismo,

158
00:08:36,520 --> 00:08:40,010
ngunit kung paano ang mga tao, ang ibang mga
gumagamit na ay, kung paano sila Na

159
00:08:40,010 --> 00:08:43,370
tumugon sa mga parehong bagay.

160
00:08:43,370 --> 00:08:48,720
Kaya upang magpatuloy sa aking mga halimbawa ng pelikula,
Maaari ako kumuha ng isang bungkos ng mga kaibigan ko

161
00:08:48,720 --> 00:08:53,180
at survey ang mga ito tungkol sa kung o
Hindi nagustuhan nila partikular na mga pelikula.

162
00:08:53,180 --> 00:08:56,560
Ngayon iba't-ibang lugar ay bubuo ng
ang data na ito sa iba't ibang paraan.

163
00:08:56,560 --> 00:08:59,630
Maaari kang direktang survey na ang iyong
gumagamit, o maaari mo lamang

164
00:08:59,630 --> 00:09:03,120
makita kung ano ang pinili nila kung
ikaw ay, halimbawa Netflix.

165
00:09:03,120 --> 00:09:05,640
Aling mga pelikula ay nilang panoorin?

166
00:09:05,640 --> 00:09:08,670
>> Maaaring tanong ko ang ilan sa aking mga
mga kaibigan dito at alamin kung

167
00:09:08,670 --> 00:09:12,910
na nagustuhan Jason ang bawat pelikula
Nakita niya, hindi nakakagulat doon.

168
00:09:12,910 --> 00:09:15,590
Lamang nagustuhan Andy Minions at tiyahin Man.

169
00:09:15,590 --> 00:09:19,330
Nagustuhan Sarah Inside Out at
Avengers, ang kabaligtaran ng Andy.

170
00:09:19,330 --> 00:09:22,200
At Sam, well, Sam nagustuhan
sa lahat ng mga superhero movies,

171
00:09:22,200 --> 00:09:24,960
ngunit wala sa mga animated movies.

172
00:09:24,960 --> 00:09:30,630
>> Maaari ko pagkatapos ay sa query para sa ilang bagong
indibidwal na, ang ilang mga iba pang mga user tulad ng aking sarili

173
00:09:30,630 --> 00:09:34,520
at tanungin, well, kung nagustuhan ko
isa sa mga movies,

174
00:09:34,520 --> 00:09:38,600
maaari kang gumawa ng isang hula tungkol sa
kung saan ang ibang mga pelikula na maaaring magustuhan ko.

175
00:09:38,600 --> 00:09:41,890
Iyon ay, kung nagustuhan ko Inside
Out, kung saan ang ibang mga pelikula

176
00:09:41,890 --> 00:09:48,460
malamang kong ring nais na makita ako
batay sa kung ano ang ginawa katulad na mga tao?

177
00:09:48,460 --> 00:09:51,640
Iyon ay, kukunin ko na pumunta sa pamamagitan ng isang
Kukunin ko i-filter sa pamamagitan ng listahang ito

178
00:09:51,640 --> 00:09:54,520
at hanapin lamang ang
mga indibidwal na din nagustuhan

179
00:09:54,520 --> 00:09:57,680
Baligtad, na tumugma sa aking mga kagustuhan.

180
00:09:57,680 --> 00:10:00,824
Well, na nangangahulugan na ang Andy at
Sam, hindi nila gusto Inside Out,

181
00:10:00,824 --> 00:10:02,240
kaya hindi ako pagpunta sa isaalang-alang ang mga ito.

182
00:10:02,240 --> 00:10:06,130
Pupunta ako sa mapupuksa ang kanilang mga
data para sa paghahambing na ito.

183
00:10:06,130 --> 00:10:09,750
>> Maaari kong pagkatapos ay tingnan kung ano ang Jason
at naisip Sarah at tally

184
00:10:09,750 --> 00:10:13,780
up na ng pelikula na nakita nila
na ako ay hindi, kung nagustuhan nila ang mga ito

185
00:10:13,780 --> 00:10:15,150
o hindi.

186
00:10:15,150 --> 00:10:17,820
Kaya kong bilangin lang up, sabihin natin na boto.

187
00:10:17,820 --> 00:10:23,360
Kaya Minions, halimbawa ay maaaring magkaroon ng isa
bumoto para sa mga ito, dahil nagustuhan ito Jason.

188
00:10:23,360 --> 00:10:27,170
Nagustuhan Parehong Jason at Sarah Avengers,
kaya ito ay may dalawang mga boto.

189
00:10:27,170 --> 00:10:30,700
At lamang nagustuhan Jason Ant Man,
kaya ito ay makakuha ng isang boto.

190
00:10:30,700 --> 00:10:34,870
Kaya kung ako ay upang pagkatapos ay pinapayo
para sa aking sarili kung alin sa mga pelikula

191
00:10:34,870 --> 00:10:41,470
Ito ay maaaring maging pinaka-malamang na panoorin ko, nais ko
kung piliin ang Edad ng Ultron: Avengers.

192
00:10:41,470 --> 00:10:44,490
>> Kaya para sa alinman sa mga ito
systems, ngayon gumagamit ako ng

193
00:10:44,490 --> 00:10:49,260
data na nabuo hindi tungkol sa mga
movie mismo, ngunit tungkol sa mga kagustuhan

194
00:10:49,260 --> 00:10:51,960
mula sa iba pang mga gumagamit.

195
00:10:51,960 --> 00:10:54,150
Na ito ay may ilang mga problema ng mga kurso.

196
00:10:54,150 --> 00:10:55,920
Paano kung hindi ka magkaroon ng anumang iba pang mga gumagamit?

197
00:10:55,920 --> 00:10:58,770
Well, na tinatawag na startup problema.

198
00:10:58,770 --> 00:11:03,760
Mayroon kang magkaroon ng ilang mga
dami ng data nang hindi ka pa

199
00:11:03,760 --> 00:11:07,560
magagawang upang simulan ang paggawa
ang mga rekomendasyon.

200
00:11:07,560 --> 00:11:10,940
Ang kasalungat ng ito ay isang beses
simulan mo sa pagkolekta ng data,

201
00:11:10,940 --> 00:11:13,870
kung maaari mong mangolekta ng higit pang
at higit pa at mas maraming data,

202
00:11:13,870 --> 00:11:17,850
makakakuha ka ng mas mahusay at mas mahusay na
at mas mahusay na mga rekomendasyon.

203
00:11:17,850 --> 00:11:21,650
>> Ngayon kami ay maaaring isalin
ito sa code pati na rin.

204
00:11:21,650 --> 00:11:23,860
Maaari naming tukuyin ang isang iba't ibang mga
uri ng istraktura,

205
00:11:23,860 --> 00:11:25,720
sa kasong ito makikita ang tawag namin ito ng isang user.

206
00:11:25,720 --> 00:11:30,970
At ito ay nakuha ng mga tampok tungkol sa
kung aling mga pelikula nagustuhan ang user na ito.

207
00:11:30,970 --> 00:11:34,560
Gusto ba nila Inside Out,
Minions, Avengers, at Ant Man.

208
00:11:34,560 --> 00:11:36,660
Maaari naming pagkatapos ay bumuo ng
ilang pseudocode upang sundin

209
00:11:36,660 --> 00:11:39,460
ang parehong pamamaraan na ginamit ko dati.

210
00:11:39,460 --> 00:11:43,460
Iyon ay, na ibinigay ng isang partikular na
user x, inirerekumenda ng isang movie ipaalam

211
00:11:43,460 --> 00:11:46,107
Maaaring gusto na x.

212
00:11:46,107 --> 00:11:47,940
Maaari naming pumunta sa pamamagitan at
para sa lahat ng mga movies,

213
00:11:47,940 --> 00:11:51,410
maaari naming initialize ang isang marka
para sa pelikula na 0.

214
00:11:51,410 --> 00:11:54,080
At pagkatapos ay maaari mahanap namin ang lahat ng
ng iba pang mga gumagamit na

215
00:11:54,080 --> 00:11:57,630
magkakaroon ng parehong mga kagustuhan bilang x.

216
00:11:57,630 --> 00:11:59,990
At pagkatapos ay para sa bawat
pelikula na nagustuhan nila,

217
00:11:59,990 --> 00:12:02,340
ipapakita namin pagdami ang mga marka ng na movie.

218
00:12:02,340 --> 00:12:05,010
Alinmang movie sa
end ay ang pinakamataas na iskor,

219
00:12:05,010 --> 00:12:07,600
na ang isa ay dapat ko inirerekumenda.

220
00:12:07,600 --> 00:12:09,890
>> Wala sa mga ito ay talagang nakatago.

221
00:12:09,890 --> 00:12:11,600
Wala sa mga ito ay mahirap na.

222
00:12:11,600 --> 00:12:15,810
Ito ang lahat ng mga pangunahing mga algorithm
na maaari mong ipatupad ngayon.

223
00:12:15,810 --> 00:12:20,050
>> Ngayon na may real recommender systems,
tumakbo ka sa ilang mga problema.

224
00:12:20,050 --> 00:12:23,300
Paano kung may walang tao na
tumutugma nang eksakto sa iyong mga kagustuhan?

225
00:12:23,300 --> 00:12:27,170
Paano kung may mga gumagamit na
ay eksakto ang iyong mga kagustuhan,

226
00:12:27,170 --> 00:12:30,480
ngunit pagkatapos ay mag-iba ng husto
mula sa kung ano ang gusto mo?

227
00:12:30,480 --> 00:12:36,210
Gusto ko classic Godzilla
mga pelikula, ngunit ang aking asawa ay hindi.

228
00:12:36,210 --> 00:12:39,430
Gusto ko na panoorin ang mga ito, ang aking
Netflix account ay naglalaman ng mga ito.

229
00:12:39,430 --> 00:12:41,800
Ang kanyang ay hindi.

230
00:12:41,800 --> 00:12:45,230
Ano ang mangyayari kapag binuksan namin
paghahalo ng data tulad nito?

231
00:12:45,230 --> 00:12:47,690
Ito ang lahat ng mga hamon
na maaari mong pagtagumpayan,

232
00:12:47,690 --> 00:12:51,900
tumagal lamang sila ng bahagyang
mas kumplikadong mga algorithm.

233
00:12:51,900 --> 00:12:56,420
>> Ngayon sa tunay na mundo, na kung saan
mga tunay na pagpapatakbo,

234
00:12:56,420 --> 00:12:59,980
gumagamit kami ng pag-filter batay sa nilalaman o
tayo gumagamit collaborative filtering?

235
00:12:59,980 --> 00:13:01,910
At ang sagot ay na ginagamit namin ang dalawang iyan.

236
00:13:01,910 --> 00:13:06,350
Halos lahat ng mga pangunahing mga gumagamit sa
kasong ito, Amazon, Facebook, Netflix,

237
00:13:06,350 --> 00:13:11,200
Pandora, lahat sila ay gumamit ng isang kumbinasyon ng mga
mga iba't ibang mga rekomendasyon ng mga sistema.

238
00:13:11,200 --> 00:13:16,520
At kapag pinagsama natin ang mga pagpipilian mula sa
ang bawat isa, ang tawag namin sa mga ito systems hybrid.

239
00:13:16,520 --> 00:13:20,750
Sila sa ilang mga paraan depende sa mga
mga katangian ng mga bagay sa sarili,

240
00:13:20,750 --> 00:13:24,710
at sa ilang mga paraan depende sila sa
ang mga kagustuhan ng iba pang mga gumagamit.

241
00:13:24,710 --> 00:13:28,120
Ang mga hybrid system,
ang mga ito ay malaking negosyo,

242
00:13:28,120 --> 00:13:30,830
at ang mga ito kung ano ang kasalukuyang araw na ito.

243
00:13:30,830 --> 00:13:32,839
>> Kaya salamat talaga sa pagsama sa akin.

244
00:13:32,839 --> 00:13:35,380
Umaasa ako na iyong nakuha ng isang maliit na
bit ng isang pag-unawa sa kung ano ang

245
00:13:35,380 --> 00:13:37,430
gumagawa ng mga sistema ng trabaho.

246
00:13:37,430 --> 00:13:41,980
Susunod na oras na ikaw ay online, tandaan na
hindi lamang sa iyo pag-impluwensya sa iyong mga pagpipilian,

247
00:13:41,980 --> 00:13:44,680
ngunit potensyal na ang iba ay pati na rin.

248
00:13:44,680 --> 00:13:46,480
Salamat ulit.

249
00:13:46,480 --> 00:13:47,186