16. Tavsiye Sistemleri

Shuai Zhang (Amazon), Aston Zhang (Amazon) ve Yi Tay (Google)

Tavsiye sistemleri endüstride yaygın olarak kullanılmaktadır ve günlük hayatımızda her yerde bulunmaktadır. Bu sistemler, çevrimiçi alışveriş siteleri (örneğin amazon.com), müzik/film hizmetleri sitesi (ör. Netflix ve Spotify), mobil uygulama mağazaları (örneğin, IOS uygulama mağazası ve google play), çevrimiçi reklamcılık gibi birçok alanda kullanılmaktadır.

Tavsiye sistemlerinin temel amacı, kullanıcıların izleyecekleri filmler, okuyacakları metinler veya satın alacakları ürünler gibi ilgili öğeleri keşfetmelerine yardımcı olmaktır, böylece keyifli bir kullanıcı deneyimi yaratır. Ayrıca, tavsiye sistemleri, çevrimiçi perakendecilerin artan gelir elde etmek için uyguladığı en güçlü makine öğrenmesi sistemleri arasındadır. Tavsiye sistemleri, proaktif arama çabalarını azaltarak ve kullanıcıları hiç aramadıkları tekliflerle şaşırtarak arama motorlarının yerini alıyor. Birçok şirket, daha etkili tavsiye sistemleri yardımıyla kendilerini rakiplerinin önünde konumlandırmayı başardı. Bu nedenle, tavsiye sistemleri sadece günlük hayatımızın merkezinde olmakla kalmaz, aynı zamanda bazı sektörlerde de son derece vazgeçilmezdir.

Bu bölümde, tavsiye sistemlerinin temellerini ve gelişmelerini, farklı veri kaynaklarına sahip tavsiye sistemlerinin oluşturulmasına yönelik bazı genel temel teknikleri ve bunların uygulamalarını inceleyeceğiz. Özellikle, bir kullanıcının muhtemel bir öğeye verebileceği derecelendirmeyi nasıl tahmin edeceğinizi, öğelerin tavsiye listesini nasıl oluşturacağınızı ve bol miktarda özniteliklerden tıklama oranını nasıl tahmin edeceğinizi öğreneceksiniz. Bu görevler gerçek dünyadaki uygulamalarda yaygındır. Bu bölümü inceleyerek, gerçek dünya tavsiye problemlerini sadece klasik yöntemlerle değil, daha gelişmiş derin öğrenme tabanlı modellerle de çözmeye ilişkin uygulamalı deneyime sahip olacaksınız.