Capítulo 12. Recomendaciones en la producción
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Casi todas las aplicaciones que utilizas hoy en día tienen una sección"recomendada para ti".
Piensa en tus aplicaciones favoritas de medios digitales, ropa o proveedores minoristas. Confiamos en el panel de recomendaciones de nuestras aplicaciones multimedia para encontrar nuevas películas que ver o libros que leer. Marcas como Nike adaptan tu experiencia en la aplicación con vestuarios personales y personalizados. Incluso la aplicación de tu supermercado local te ofrece cupones recomendados para tu próxima visita.
Las recomendaciones y la personalización se han infiltrado en casi todos los rincones de nuestra experiencia digital.
Pero, ¿cómo se construye un proceso que ofrezca recomendaciones dentro de una aplicación a la velocidad que todos hemos aprendido a esperar?
Como vimos en el Capítulo 10, es muy posible conectar fuentes de datos con un gráfico y crear recomendaciones personalizadas para un usuario. Sin embargo, la gran cantidad de datos que se necesitan para procesar una recomendación basada en grafos a escala limita significativamente la forma de utilizar el filtrado colaborativo en una aplicación de producción.
No creemos que un usuario de la aplicación de ropa de Nike vaya a esperar los múltiples segundos necesarios para procesar una consulta gráfica de filtrado colaborativo de extremo a extremo inspirada ...
Get Guía del profesional de los datos gráficos now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
