Исследователь Дэвид Карузо и пара его коллег – это как раз те парни, из-за которых технические навыки и интеллект при приёме на работу в крупные IT-компании часто оцениваются заметно ниже, чем эмоциональный интеллект. То есть тот факты, что вы умный, означает гораздо меньше, чем то, что вы узнаёте вот этого парня с картинки:


Он пристально наблюдает за постом

Эмоции влияют на наше сознание, нашу активность и восприятие окружающих вещей. Это очевидный факт, который, тем не менее, был детально исследован Дэвидом Карузо. Он утверждает, например, что если вы сейчас в хорошем настроении и энергичны, то найдёте много позитивных и вдохновляющих мыслей и идей в топике, а если устали или с настроением не очень – захотите покритиковать и, статистически, не сможете придумать ничего волнующего нового.

Знания — Идеи — Созидание

Знание — новая информация посредством которой решается какая то проблема.
Идея — способность видеть проблему и ключ к ее решению.
Созидание — процесс практической реализации идеи.



Если представить эти 3 фактора как 3 одинаковых колбы заполненных разным количеством жидкости, то этот метод работает благодаря разности уровней жидкости в каждой колбе, которые стремятся к равновесию.

Знания

Потребность в знаниях возникает когда есть идея и идет процесс ее созидания во время которого мы сталкиваемся с проблемой которую не можем решить в следствии того что не знаем как. То есть даже если у Вас есть идея и Вы начинаете обдумывать ее и при этом сталкиваетесь с проблемой которую не можете решить, то это незамедлительно вызовет стремление к получению знания, для решения этой проблемы.

Если мне нужно очистить земельный участок от деревьев и у меня есть идея спилить их, но я не знаю где взять пилу и как ей пользоваться, это незамедлительно вызовет у меня желание узнать где купить пилу и как ей пользоваться.

Согласно статистике liveinternet, доля мобильного трафика в рунете растёт следующими темпами:
Май 2011 — 4.4% (2 753 152) уникальных посетителей в сутки
Июнь — 5% (3 047 934)
Июль — 5.6% (3 305 192)
Август — 6.2% (3 762 752)
Сентябрь — 6.6% (4 358 319)
Октябрь — 7% (4 857 274)
Ноябрь — 7.5% (5 170 890)
Декабрь — 7.9% (5 630 593)
Январь — 8.2% (5 907 895)
Февраль — 8.9% (7 062 003)
Март — 10.1% (8 140 585)
Апрель — 11.1% (8 851 709)
В учёт взяты устройства на Android, iOS и Symbian OS.

Дело было на третьем курсе, появился у нас предмет ИИС (интеллектуальные информационные системы). Так как я давно интересовался распознаванием образов, удалось выпросить тему «распознавание рукописных цифр». Я решил не возиться с нейронными сетями и придумать что-то свое, простое, но достаточно эффективное.

^{Системы рекомендаций:
— Советы от машины
— Холодное начало
— Введение в гибридные системы
— Искусственные имунные системы и эффект идиотипов}


Читая разные публикации про интеллектуальный анализ данных и системы рекомендаций я случайно наткнулся на один интереснейших подход к реализации таких систем. В его основе лежит концепция искусственной имунной системы (ИИС, Artificial immune system), согласно которой в компьютерной системе реализуются некоторые свойства имунной системы живых организмов, в том числе способность учиться и запоминать. В системах рекомендаций используется модель, которая описывает концентрацию антител, реагирующих на определенный антиген. Особенный интерес представляет так называемый эффект идиотипов (Idiotype), показывающий, что концентрация антител зависит не только от их сходства с антигеном, но и от сходств друг с другом.

Для тех, кто не знаком с биологией, коротко объясню суть дела. Антиген — это вещества, которые при попадании в организм вызывают ответную реакцию имунной системы. В ответ она вырабатывает антитела, определенный класс белков, которые используются для идентификации и нейтрализации раздражителей. В нашем случае, антиген — это пользователь, а антитела — объекты, с которыми вы его сравниваете. Чтобы это легче было представить, предлагаю считать, что мы рассматриваем систему коллективной фильтрации, где антителами являются другие пользователи.

^{Системы рекомендаций:
— Советы от машины
— Холодное начало
— Введение в гибридные системы
— искусственные имунные системы и эффект идиотипов}


Для успешного применения систем рекомендаций критически важно иметь большой объем справочных данных. Но что делать, если нужных данных совсем нет, или не достаточно? Такое состояние называется холодным началом (cold start). Например, на сайте зарегистрировался новый пользователь, и система еще ничего о нем не знает. Или в магазине появился новый товар, который никто никогда не покупал и не оценивал. Или совсем плохо, система только начала свою работу и данных у нее нет вообще. Посмотрим, что можно сделать в таких ситуациях.

Коллаборативная фильтрация (англ. collaborative filtering) — это метод, который даёт автоматические прогнозы исходя из наколенной информации о интересах и вкусах пользователей.

Чаще всего можно рекомендовать музыку или книги уже имея какие-то данные о пользователе. Например, Amazon или Ozon запоминают, что я ищу или куда ходил и из этих данных строит мне рекомендацию. Но лучше, чтобы пользователь сам вводил их в свой профиль, можно даже ему рассказать, что у вас эта система стоит и чтобы он сам мог выбирать что ему дать в следующий раз.