April 2025
Intermediate to advanced
624 pages
17h 41m
Portuguese (Portugal, Brazil)
Content preview from Deep Learning para programadores com fastai e PyTorch
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Capítulo 8. Mergulha fundo na filtragem colaborativa
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
Um problema comum a resolver é ter um número de utilizadores e um número de produtos, e queres recomendar quais os produtos mais prováveis de serem úteis para que utilizadores. Existem muitas variações: por exemplo, recomendar filmes (como no Netflix), descobrir o que destacar para um utilizador numa página inicial, decidir que histórias mostrar num feed de redes sociais, etc. Uma solução geral para este problema, designada por filtragem colaborativa, funciona da seguinte forma: analisa os produtos que o utilizador atual utilizou ou de que gostou, encontra outros utilizadores que utilizaram ou gostaram de produtos semelhantes e, em seguida, recomenda outros produtos que esses utilizadores utilizaram ou de que gostaram.
Por exemplo, na Netflix, podes ter visto muitos filmes de ficção científica, cheios de ação e feitos na década de 1970. A Netflix pode não conhecer estas propriedades específicas dos filmes que viste, mas será capaz de ver que outras pessoas que viram os mesmos filmes que tu também tendem a ver outros filmes de ficção científica, cheios de ação e feitos na década de 1970. Por outras palavras, para utilizar esta abordagem, não precisamos necessariamente de saber nada sobre os filmes, exceto quem gosta de os ver.
Há uma classe mais geral de problemas que esta abordagem pode resolver, não envolvendo ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.