Silniki rekomendacji

Opinie czytelników

Książka o silnikach rekomendacji jest ogólnie dobrze przyjęta ze względu na wciągający styl pisania, odpowiednie przykłady ze świata rzeczywistego i wnikliwą treść. Służy jako doskonały elementarz dla początkujących i obejmuje wiele filozoficznych, historycznych i technicznych aspektów tematu. Niektórzy czytelnicy uważają ją jednak za niepotrzebnie złożoną, pozbawioną szczegółów technicznych i uważają, że tytuł jest mylący, ponieważ kładzie nacisk na historię, a nie na praktyczne koncepcje.

Wciągający styl pisania, odpowiednie przykłady z prawdziwego świata, kompleksowy przegląd silników rekomendacji, świetny dla początkujących, prowokujące do myślenia rozdziały, dodatkowe zasoby do dalszej nauki.

Miejscami niepotrzebnie złożona i abstrakcyjna, brakuje technicznych szczegółów implementacji, niektóre rozdziały zawierają powtarzające się fragmenty, tytuł może wprowadzać w błąd, koncentrując się na historii, a nie na koncepcjach, i wymaga lepszej redakcji.

(na podstawie 16 opinii czytelników)

Oryginalny tytuł:

Recommendation Engines

Zawartość książki:

Jak firmy takie jak Amazon i Netflix wiedzą, co "może Ci się również spodobać" - historia, technologia, biznes i wpływ społeczny internetowych silników rekomendacji.

Coraz częściej nasze technologie udzielają nam lepszych, szybszych, mądrzejszych i bardziej osobistych porad niż nasze własne rodziny i najlepsi przyjaciele. Amazon już wie, jakie książki i artykuły gospodarstwa domowego lubisz i jest bardziej niż chętny, aby polecić więcej.

YouTube i TikTok zawsze mają kolejny film do pokazania.

Netflix przeanalizował twoje nawyki oglądania, aby zasugerować całe gatunki, które ci się spodobają. W tym tomie serii Essential Knowledge wydawnictwa MIT Press, ekspert ds. innowacji Michael Schrage wyjaśnia pochodzenie, technologie, zastosowania biznesowe i rosnący wpływ społeczny silników rekomendacji, systemów, które pozwalają firmom na całym świecie wiedzieć, jakie produkty, usługi i doświadczenia "mogą Ci się również spodobać".

Schrage przedstawia historię rekomendacji, która sięga starożytnych wyroczni i astrologów.

Opisuje akademickie początki i komercyjną ewolucję silników rekomendacji.

Wyjaśnia, jak działają te systemy, omawiając kluczowe spostrzeżenia matematyczne, w tym wpływ uczenia maszynowego i algorytmów głębokiego uczenia.

I podkreśla wyzwania związane z projektowaniem doświadczeń użytkownika. Oferuje krótkie, ale wnikliwe studia przypadków cyfrowego serwisu muzycznego Spotify.

ByteDance, właściciela TikTok.

I osobisty stylista online Stitch Fix. Na koniec Schrage rozważa przyszłość technologicznych rekomendatorów: Czy pozostawią nas rozczarowanych i zależnych - czy też pomogą nam odkrywać świat i nas samych w nowatorski i przypadkowy sposób?