Product details
- Publisher : The MIT Press (September 1, 2020)
- Language : English
- Paperback : 296 pages
- ISBN-10 : 0262539071
- ISBN-13 : 978-0262539074
کتاب Recommendation Engines (The MIT Press Essential Knowledge series)
How companies like Amazon and Netflix know what “you might also like”: the history, technology, business, and social impact of online recommendation engines.
Increasingly, our technologies are giving us better, faster, smarter, and more personal advice than our own families and best friends. Amazon already knows what kind of books and household goods you like and is more than eager to recommend more; YouTube and TikTok always have another video lined up to show you; Netflix has crunched the numbers of your viewing habits to suggest whole genres that you would enjoy. In this volume in the MIT Press's Essential Knowledge series, innovation expert Michael Schrage explains the origins, technologies, business applications, and increasing societal impact of recommendation engines, the systems that allow companies worldwide to know what products, services, and experiences “you might also like.”
Schrage offers a history of recommendation that reaches back to antiquity's oracles and astrologers; recounts the academic origins and commercial evolution of recommendation engines; explains how these systems work, discussing key mathematical insights, including the impact of machine learning and deep learning algorithms; and highlights user experience design challenges. He offers brief but incisive case studies of the digital music service Spotify; ByteDance, the owner of TikTok; and the online personal stylist Stitch Fix. Finally, Schrage considers the future of technological recommenders: Will they leave us disappointed and dependent—or will they help us discover the world and ourselves in novel and serendipitous ways?
منابع کتاب کتاب Recommendation Engines (The MIT Press Essential Knowledge series)
چگونه شرکت هایی مانند آمازون و نتفلیکس می دانند که «شما هم ممکن است دوست داشته باشید»: تاریخچه، فناوری، تجارت و تأثیر اجتماعی موتورهای توصیه آنلاین.
به طور فزاینده‌ای، فناوری‌های ما به ما توصیه‌های بهتر، سریع‌تر، هوشمندانه‌تر و شخصی‌تر از خانواده‌ها و بهترین دوستانمان می‌دهند. آمازون از قبل می‌داند که شما چه نوع کتاب‌ها و کالاهای خانگی را دوست دارید و بیشتر از آن مشتاق است که بیشتر توصیه کند. یوتیوب و TikTok همیشه یک ویدیوی دیگر را برای نشان دادن شما آماده کرده اند. نتفلیکس تعداد عادات تماشای شما را کاهش داده است تا ژانرهای کاملی را به شما پیشنهاد دهد که از آنها لذت خواهید برد. مایکل شریج، کارشناس نوآوری، در این جلد از سری دانش ضروری نشریه MIT Press، منشأ، فناوری‌ها، کاربردهای تجاری، و تأثیر اجتماعی فزاینده موتورهای توصیه را توضیح می‌دهد، سیستم‌هایی که به شرکت‌ها در سرتاسر جهان اجازه می‌دهند بدانند چه محصولات، خدمات و تجربیاتی را «شما ممکن است» بدانند. همچنین دوست دارم.»
شراژ تاریخچه ای از توصیه ها را ارائه می دهد که به پیشگویی ها و اخترشناسان دوران باستان می رسد. منشا علمی و تکامل تجاری موتورهای توصیه را بازگو می کند. توضیح می دهد که این سیستم ها چگونه کار می کنند و در مورد بینش های ریاضی کلیدی، از جمله تاثیر یادگیری ماشین و الگوریتم های یادگیری عمیق بحث می کند. و چالش های طراحی تجربه کاربر را برجسته می کند. او مطالعات موردی مختصری اما واضح از سرویس موسیقی دیجیتال Spotify ارائه می دهد. ByteDance، صاحب TikTok؛ و استایلیست شخصی آنلاین Stitch Fix. در نهایت، شراژ آینده توصیه‌کنندگان فن‌آوری را در نظر می‌گیرد: آیا آنها ما را ناامید و وابسته می‌کنند - یا به ما کمک می‌کنند جهان و خودمان را به روش‌های بدیع و سرسام‌آور کشف کنیم؟
ارسال نظر درباره کتاب Recommendation Engines (The MIT Press Essential Knowledge series)