Doporučovací motory

Recenze čtenářů

Kniha o doporučovacích motorech je obecně velmi dobře hodnocena pro svůj poutavý styl psaní, relevantní příklady z reálného světa a zasvěcený obsah. Slouží jako vynikající učebnice pro začátečníky a pokrývá mnoho filozofických, historických a technických aspektů tohoto tématu. Někteří čtenáři ji však považují za zbytečně složitou, postrádající technické detaily a mají pocit, že název je zavádějící, protože klade důraz na historii před praktickými koncepty.

Poutavý styl psaní, relevantní příklady z reálného světa, ucelený přehled doporučovacích motorů, skvělé pro začátečníky, podnětné kapitoly, další zdroje pro další vzdělávání.

Místy zbytečně složité a abstraktní, chybí technické detaily implementace, některé kapitoly obsahují opakující se chuchvalce, název může být zavádějící, protože se zaměřuje na historii spíše než na koncepty, potřebuje lepší redakci.

(na základě 16 hodnocení čtenářů)

Původní název:

Recommendation Engines

Obsah knihy:

Jak společnosti jako Amazon a Netflix vědí, co "by se vám mohlo líbit" Historie, technologie, obchod a sociální dopad online doporučovacích systémů.

Technologie nám stále častěji poskytují lepší, rychlejší, chytřejší a osobnější rady než naše vlastní rodiny a nejlepší přátelé. Amazon už ví, jaké knihy a zboží pro domácnost máte rádi, a více než ochotně vám doporučí další.

YouTube a TikTok mají vždy připravené další video, které vám chtějí ukázat.

Netflix si spočítal čísla vašich diváckých návyků a navrhuje vám celé žánry, které by se vám mohly líbit. V tomto svazku z řady Essential Knowledge nakladatelství MIT Press vysvětluje odborník na inovace Michael Schrage původ, technologie, obchodní aplikace a rostoucí společenský dopad doporučovacích systémů, tedy systémů, které umožňují společnostem po celém světě vědět, jaké produkty, služby a zážitky "by se vám také mohly líbit".

Schrage nabízí historii doporučování, která sahá až k antickým věštcům a astrologům.

Vypráví o akademických počátcích a komerčním vývoji doporučovacích systémů.

Vysvětluje, jak tyto systémy fungují, a probírá klíčové matematické poznatky, včetně vlivu strojového učení a algoritmů hlubokého učení.

A upozorňuje na výzvy v oblasti designu uživatelského prostředí. Nabízí stručné, ale pronikavé případové studie digitální hudební služby Spotify.

ByteDance, vlastníka TikToku.

A online osobního stylisty Stitch Fix. Nakonec se Schrage zamýšlí nad budoucností technologických doporučovatelů: Pomohou nám objevovat svět a sebe sama novým a náhodným způsobem?