Uma introdução ao problema dos bandidos com várias armas
Introdução
Considere o seguinte problema de aprendizagem:
Você se depara repetidamente com uma escolha entre k diferentes opções ou ações que devem ser tomadas. Após cada escolha, você recebe uma recompensa numérica que está ligada a sua escolha e que pode influenciar suas escolhas futuras. Seu objetivo é maximizar a recompensa total esperada ao longo do tempo fazendo as escolhas certas.
Esse é o problema que o Multi-armed Bandits (MaB) tenta resolver e que pode ser utilizando em diferentes aplicações. Por exemplo:
- Em sua modelagem mais exemplificada, podemos pensar em um cassino com diferentes máquinas (opções), cada máquina tem uma distribuição…
Como utilizar Embeddings para recomendar conteúdos relevantes
Outros artigos da série de Deep Learning para Sistemas de Recomendação:
Neste artigo iremos abordar o problema da Filtragem Baseada em Conteúdo e como modelar uma solução utilizando Embeddings gerados por Deep Learning.
Os principais tópicos desse artigo são:
- Introdução a Filtragem Baseada em Conteúdo
- O que são Embeddings?
- Como utilizar Embeddings para Recomendação?
- Conclusão
1. Introdução a Filtragem Baseada em Conteúdo (Content-Based)
Já apresentamos as principais características da Filtragem Baseada em Conteúdo na 1º Parte dessa série. …
Conheça plataformas como Kaggle, CodaLab e DrivenData para participar de competições de Data Science
Este texto é uma tradução livre com algumas atualizações da postagem original feita pela Parul Pandey.
Um agradecimento a autora por permitir a utilização do seu texto.
Como ter experiência na área de Ciência de Dados?
O que você faz depois de ter completado centenas de MOOCs, consumido milhares de livros e anotações e escutado um milhão de pessoas falando sobre sua experiência em Ciência de Dados? Você começa a aplicar os conceitos. A única maneira de aplicar conceitos em Ciência de Dados é colocando as mãos nos dados.
A área de Ciência de Dados tem uma particularidade interessante, é uma área em que é possível ganhar experiência sem…
Como utilizar arquiteturas de Deep AutoEncoders para recomendar Jogos
Outros artigos da série de Deep Learning e Deep RecSys:
Neste artigo iremos abordar o problema da Recomendação de Conteúdo com Filtragem Colaborativa e como modelar uma solução utilizando uma arquitetura de Deep RecSys com Autoencoders (AE). As códigos foram escritos no Framework Keras e requer um conhecimento básico do assunto. O código completo do projeto pode ser baixado em https://github.com/marlesson/recsys_autoencoders
Os principais tópicos desse artigo são:
- Introdução a Filtragem Colaborativa
- O que são Autoencoders?
- Modelagem do Autoencoder para Filtragem Colaborativa
- Implementação do Modelo…
Introdução a Sistemas de Recomendação e Deep-RecSys
Esse é o primeiro artigo de uma série que iremos abordar Sistemas de Recomendação (RecSys) com Deep Learning (DL). O objetivo dessa série é demonstrar as motivações, arquiteturas e alguns códigos de Deep-RecSys que estão sendo utilizados para recomendar conteúdo. Nessa série espero abordar o tema desde a introdução até como colocar uma solução em produção (end-to-end).
O que é, como surgiu e quando usar Deep Learning.
Estamos vivendo uma revolução na área de Inteligência Artificial nos últimos anos, e o principal motor dessa revolução são tecnologias baseadas em Deep Learning por vários motivos.
O objetivo desse artigo é apresentar alguns conceitos em relação à tecnologia e situar o leitor sobre os principais motivos desse hype em volta de Deep Learning nos últimos anos. Por fim, apresentar algumas aplicações reais de como essa tecnologia tem mudado o mercado e o que esperar para os próximos anos.
Tópicos:
- Inteligência Artificial, Machine Learning e Deep Learning
- Outros métodos de Machine Learning X Deep Learning
- Flexibilidade na estrutura das redes…
O Apache Spark é dividido em diferentes módulos, tais quais o SQL e DataFrames para trabalhar com dados estruturados, Spark Streaming que facilita a construção de aplicações com dados em streaming, a MLib destinada aos algoritmos de Machine Learning e a GraphX que é voltada para o processamento de Grafos. Todas essas bibliotecas são otimizadas para processamento paralelo, escalabilidade e tolerância a falhas.
O objetivo desse artigo é apresentar uma introdução ao módulo GraphX com Python e GraphFrames, e exemplificar possíveis aplicações que podem ser realizadas ao trabalhar com dados em Grafos.
Mas o que são Grafos?
Basicamente, um grafo é uma estrutura de dados…
Introdução ao Scrapy do Python
Nem todo serviço ou páginas na internet disponibilizam acesso através de API para manipulação dos dados, nesses casos, uma das alternativas para coletar as informações disponíveis na web (notícias, fórum, comentários, etc) são os Web crawlers. De maneira resumida, um Web crawler é um programa que colhe conteúdo na web de forma sistematizada através do protocolo padrão da web (http/https).
Como os Web crawlers não dependem de API específica, tudo que está disponível na internet se torna passível de ser colhida.
Se está na internet, é possível coletar
Dessa forma, técnicas de Web crawlers são bastante utilizadas para diversos…
Desenvolvedores já estão acostumados à criação de tokens em aplicações que utilizam integrações através de Web Service como os das redes sociais. Por outro lado, pessoas “normais” às vezes precisam integrar algum plugin do wordPress ou usar ferramentas de gerenciamento de redes sociais muitas vezes ficam confusas com esses passo e como obter os diversos tokens (consumer key, consumer secret, access tokens… etc.. etc).
Esse é um artigo voltado apenas na criação dos aplicativos e das chaves de acesso do Twitter, Instagram, Linkedin e Facebook. Deixarei para tratar da utilização dessas integrações em outra postagem.
Geralmente esses aplicativos de integração…
Esse artigo apresenta alguns projetos de como as empresas utilizam as informações presentes nas redes sociais e o que esses projetos têm em comum.
- Monitoramento de marcas por análise de sentimento
- Monitoramento de funcionários
- Análise de risco de crédito
- O que esses projetos têm em comum?
É incrível como gastamos tempo escrevendo, lendo, compartilhando ou interagindo com notícias compartilhadas por quem seguimos em diversas redes sociais. Muito do nosso cotidiano tem ficado registrado nas redes sociais quando compartilhamos fotos com geolocalização, check-in em locais, curtimos postagens que gostamos ou expressamos os nossos sentimentos ao “xingar muito no twitter“.
Essa massa…
Marlesson Santana
Data Scientist and Machine Learning Researcher
