В сегодняшнюю быстро развивающуюся эпоху высоких технологий можно без сомнения сказать, что люди всех возрастов стремятся быть технически подкованными. Интернет усилил этот импульс. Технологии помогают нам решить, что делать, а что нет. Всякий раз, когда мы используем Сеть для поиска на сайтах электронной коммерции, таких как Amazon, Flipkart и т. д., вы, должно быть, видели, что в соответствии с вашими предпочтениями появляются всплывающие окна с рекламой. Вы когда-нибудь задумывались о том, чтобы понять, что это такое? Как сайт электронной коммерции узнает, что вы выбрали? Это машинное обучение.
Машинное обучение является одной из важных концепций обучения в настоящее время. Это ключевое слово машинного обучения всегда внутри и вокруг нас, особенно у тех, кто его использует. Машинное обучение — это метод решения проблем, поскольку он решает все так же, как это сделал бы лидер, и помогает решать проблемы нашего бизнеса. Теперь, с такими качествами, которые он может предложить, как насчет того, чтобы сделать карьеру в этом? Вы можете сделать карьеру в качестве ученого данных и сохранить знания, имеющие очень хорошие результаты точности в наборе тестовых данных, и очень скоро вы захотите использовать их в своих повседневных операциях, и это только началось как алгоритм прогнозирования, чтобы сделать жизнь легкий.
Просто подумайте о применении беспилотных автомобилей в режиме реального времени, которые сводят к минимуму вероятность столкновения. Это то, что называется качеством жизни, которое всегда востребовано. Хотите расширить возможности машинного обучения, используйте рекомендательные системы. Системы рекомендаций широко используются в сфере электронной коммерции, чтобы рекомендовать товары пользователям на основе анализа, прогнозов и истории покупок, которые их интересуют.
Технику Рекомендательных Систем можно рассматривать как часть персонализации, поскольку она помогает каждому покупателю покупать интересующие его товары. Если рекомендация уместна, система может установить хорошие отношения с клиентами и может увеличить выбор продуктов и уровень продаж, например, использование Amazon подхода рекомендательных систем для предложения книг и других вещей, которые часто покупают клиенты. Различные компании уже используют машинное обучение в своих интересах с помощью алгоритмов, основанных на рекомендательных системах. Выбор карьеры в области машинного обучения — наиболее благоприятная область науки о данных. Студенты могут создать рекомендательную систему на основе машинного обучения, которая используется для создания контента; методы фильтрации на основе совместной работы и деревья решений для классификации, сходства элементов и классификации сходства пользователей для конкретного решения. Для классификации набора данных в системе рекомендаций используются различные алгоритмы, но одним из лучших алгоритмов является пользовательский алгоритм, который считает, что те, у кого есть похожие атрибуты, будут заинтересованы в аналогичном элементе (x), используя три шага:
(1) для каждого элемента пользователь А по-прежнему не имеет предпочтения.
(2) для другого пользователя B, отдающего предпочтение элементу (x), вычислить сходство между A и B.
(3) объединить предпочтения пользователя B для элемента (x), взвешенные по выбору S, в скользящее среднее, наконец, вернуться к первому элементу, ранжированному по среднему весу.
Мы понимаем, что внутренняя работа машинного обучения удовлетворяет потребности бизнеса и создает хорошую модель принятия решений с открытым и четким объяснением ситуации в бизнесе и помощью в принятии решений.
Применение рекомендательных систем в различных областях, таких как туризм, здравоохранение, электронное обучение, электронная коммерция и т. д. Большинство рекомендательных систем, доступных сегодня, основаны на собранной информации об истории покупок пользователей, генераторе списков воспроизведения на Netflix, YouTube, Spotify и вносят свой вклад. к туризму. Он направляет и помогает туристам управлять огромными объемами информации и позволяет им принимать правильные решения о путешествии. Эта система является одним из наиболее успешных применений технологий машинного обучения в бизнесе для принятия быстрых решений в своих онлайн-транзакциях, а также для улучшения качества их покупок.
Техника рекомендаций в среде электронного обучения играет жизненно важную роль в предоставлении учащимся точной и правильной информации. В текущем сценарии электронное обучение полностью меняет привычки обучения взрослых и даже студентов. Предполагаемых учащихся обычно смущает огромное количество онлайн-курсов, и отследить актуальность этих курсов также сложно. Поскольку в Интернете доступно много информации, учащиеся сталкиваются с проблемой поиска нужной информации, а системы онлайн-рекомендаций могут эффективно решить проблему информационной перегрузки.
Приложения рекомендательных систем достигли большого роста; все еще есть некоторые проблемы, которые требуют дальнейшего изучения с появлением новых приложений для электронных услуг. Традиционная система рекомендаций делает предложения только для отдельных пользователей, поэтому предлагается, чтобы системы рекомендаций сообщества объединяли и сопоставляли индивидуальные предпочтения членов группы, чтобы предоставить группе удовлетворительные рекомендации. В таких ситуациях отдельным лицам требуется онлайн-поддержка принятия решений для всего сообщества.
"источник"
