
Neste vídeo você verá todo o conteúdo que será abordado neste módulo, que tem como destaque a busca por usuários similares
Nesta aula em mostro como fazer o download e a instalação do Python
Neste vídeo você aprenderá como representar a base de dados dos filmes para utilizarmos no Python
Nesta aula você aprenderá como acessar os valores cadastrados na base de dados com o Python
Nesta aula você verá como interpretar o gráfico de dispersão de usuários e filmes para medir a similaridade entre dois usuários
Nesta aula você aprenderá como calcular a distância euclidiana entre dois usuários, com o intuito de verificar a similaridade entre ambos
Veja nesta aula como calcular a distância euclidiana com o Python
Nesta aula você implementará a função para o cálculo da distância euclidiana
Veja nesta aula como realizar os testes com a função de distância euclidiana implementada anteriormente
Nesta aula você implementará uma função para retornar a similaridade de um usuário específico com todos os outros
Neste vídeo eu mostro uma visão geral sobre todo o conteúdo que você aprenderá neste módulo
Nesta aula você aprenderá passo a passo como fazer os cálculos para gerar recomendações de filmes para os usuários
Nesta aula você aprenderá passo a passo como fazer os cálculos para gerar recomendações de filmes para os usuários
Nesta aula faremos o teste da função de recomendação que foi implementada no Python
Nesta aula entenderemos como poderemos calcular os filmes similares ao invés de usuários similares
Nesta aula faremos a modificação da base de dados para trabalhar com os filmes similares
Nesta aula veremos como melhorar o código fonte apresentado até agora
Nesta aula você entenderá a estrutura da base de dados do MovieLens, que será o nosso próximo estudo de caso prático
Nesta aula implementaremos a função que fará a leitura da base de dados do MovieLens e carregará os dados para nosso sistema de recomendação
Nesta aula utilizaremos as funções criadas anteriormente aplicadas na base de dados do MovieLens
Neste vídeo eu mostro uma visão geral do conteúdo que será abordado neste módulo
Neste aula veremos uma introdução à filtragem baseada em itens, bem como algumas discussões sobre as desvantagens da abordagem vista no módulo anterior
Nesta aula veremos os cálculos necessários para realizar a recomendação por itens
Nesta aula implementaremos uma função para armazenar em memória os itens similares, que é um pré-requisito para a recomendação baseada em itens
Nesta aula implementaremos a função para realizar a recomendação baseada em itens
Nesta aula testaremos a função para recomendação baseada em itens
Nesta aula teremos um resumo e comparativo entre as duas abordagens de recomendação: baseada em usuários e baseada em itens
Nesta aula eu reviso todo o conteúdo abordado no curso para concluir o curso
Os sistemas de recomendação são uma importante área da Inteligência Artificial e já tem sido utilizados comercialmente por diversas empresas. Por exemplo, algoritmos desse tipo estão rodando quando você assiste um filme na Netflix, quando você recebe a indicação de um novo livro na Amazon ou então quando você está no Spotify e aparece aquela música que você estava procurando! Outros exemplos são a recomendação de pacotes promocionais com descontos em produtos que você tem interesse ou então a recomendação de vídeos no Youtube. Em todos esses casos existem algoritmos inteligentes realizando as recomendações automáticas sem mesmo você perceber!
Baseado nisso, neste curso você terá uma visão teórica e prática de como esses algoritmos funcionam! Você desenvolverá passo a passo um algoritmo que utiliza a técnica de filtragem colaborativa aplicado em um cenário de recomendação de filmes. Em outras palavras: utilizando uma base de dados de usuários e notas que esses usuários deram para os filmes, nós poderemos gerar recomendações muito semelhantes ao algoritmo que a Netflix utilizava! Outra vantagem é que o mesmo código fonte pode ser utilizado para os mais variados cenários com pouquíssimas adaptações, ou seja, você pode utilizar o conhecimento deste curso para criar os seus próprios sistemas! Além disso, também faremos o teste com uma base de dados real do MovieLens com mais de 100.000 registros!
Utilizaremos a linguagem Python para a construção das funções de recomendação, que é uma das principais linguagens de programação no cenário da Inteligência Artificial! É importante enfatizar que esse curso é de nível iniciante e pode ser considerado um primeiro passo para o entendimento teórico e prático dos sistemas de recomendação. Por isso, todas as funções serão desenvolvidas utilizando os recursos nativos do próprio Python, ou seja, não vamos utilizar bibliotecas específicas de sistemas de recomendação neste curso! E não há problema se você não conhece Python, pois os conceitos serão apresentados de forma que se você tem uma noção básica de lógica de programação conseguirá acompanhar as aulas tranquilamente. É também importante enfatizar que se você trabalha com alguma outra linguagem de programação, o código visto neste curso pode ser facilmente adaptado!
Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)