Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Systemy Rekomendacyjne w .NET (ITAD 2013 UG)

1,171 views

Published on

Slajdy do prezentacji na konferencji IT Academic Day 2013 na Uniwersytecie Gdańskim (3 grudnia 2013, 10:00).

Published in: Education
  • Be the first to comment

  • Be the first to like this

Systemy Rekomendacyjne w .NET (ITAD 2013 UG)

  1. 1. Systemy rekomendacyjne w .NET { Witold Bołt, Team Leader, JIT Solutions wbolt@jitsolutions.pl
  2. 2.       Kilka słów o JIT Solutions  Wprowadzenie do zagadnień Machine Learning i BigData Demo: biblioteka MyMediaLite Kilka słów o Infer.NET Co dalej? Pytania & odpowiedzi Agenda
  3. 3.  Rośniemy,     rośniemy, rośniemy! Mój zespół: 23 osoby Działamy ze studentami i uczelniami! Na serio! Szukamy ludzi z pomysłami! Obserwuj nas – dołącz do nas:   www.facebook.com/jitsolutions.gdynia www.jitsolutions.pl Kilka słów o nas
  4. 4. Wprowadzenie
  5. 5.   „A full 90% of all the data in the world has been generated over the last two years.” (Science Daily) „Data production will be 44 times greater in 2020 than it was in 2009.” (CSC) Kilka faktów
  6. 6. Machine Learning
  7. 7. Statystyka Prawdopodobieństwo
  8. 8.    „Data Scientist: The Sexiest Job of the 21st Century” (Harvard Business Review) „A significant constraint on realizing value from Big Data will be a shortage of talent, particularly of people with deep expertise in statistics and machine learning” (McKinsey) „If you’re looking into a career as a data scientist, you may soon become one of the most sought-after people in your industry.” (VentureBeat) Data Science
  9. 9. Data Oriented Start-up
  10. 10. http://www.forbes.com/sites/kashmirhill/2012/02/16/how-targetfigured-out-a-teen-girl-was-pregnant-before-her-father-did/
  11. 11. Rekomendacje...
  12. 12. Użytkownik Witek 4 Janek Michał Przykład 5 1
  13. 13. Użytkownik Witek 1 Janek 5 Michał 4 Jurek 1 Przykład 5 5 5 1 4
  14. 14. Przykład źródło: wikipedia
  15. 15.    Collaborative filtering Content-based filtering Knowledge-based recommender Kilka trudnych słów
  16. 16. Demo: MyMediaLite
  17. 17.   Zbierać dużo danych! Wybór algorytmu – eksperymenty + walidacja   Kiedy uruchamiać algorytm?    Analiza efektów w czasie życia systemu! Jeśli się da, to offline (w nocy, co godzinę, etc...) Jeśli się da, to poza główną aplikacją – w chmurze! Jakie technologie i narzędzia wybrać...    Język R Hadoop + Mahout C# / .NET ... też się nada  Jak to zrobić na serio?
  18. 18.      Microsoft Research: Infer.NET, Sho numl.net ILNumerics (http://ilnumerics.net) Accord Framework (http://accord-framework.net) AForge.NET (http://www.aforgenet.com) Narzędzia dla .NET
  19. 19.     Fork me on github! https://github.com/jitsolutions/dotnetrecommend Slajdy pojawią się na fb! Eksperymenty, eksperymenty... Użyj to! Co dalej?
  20. 20.  edX   Learning from data https://www.edx.org/course/caltechx/caltechxcs1156x-learning-data-1120 Udacity  Big Data and Data Science track http://blog.udacity.com/2013/11/sebastian-thrunlaunching-our-data.html  Coursera  Machine Learning https://www.coursera.org/course/ml https://www.coursera.org/course/machlearning Co dalej?
  21. 21.    Wymyśl aplikacje, która używa metod machine learning (najlepiej systemy rekomendacji) Dowiedz się czy i mniej więcej jak można to zrobić – chodzi o realne pomysły!  Opisz krótko swój pomysł i wyślij na: konkurs.itad@jitsolutions.pl Konkurs!!!
  22. 22. Pytania? { wbolt@jitsolutions.pl
  23. 23. Dziękuję!!! { www.fb.com/jitsolutions.gdynia

×