Otostopçunun Yapay Zeka Rehberi'nin bu bölümünde tavsiye sistemlerinin kalbinde yer alan makine öğrenmesini düşünerek. Öneri sistemleri olarak ele alabileceğimiz sistemleri konuşuyoruz, kullanıcıların geçmiş davranışlarını ve tercihlerine dair verileri analiz ederek, kişiye özel içerik veya ürün önerileri sunma olarak düşüneceğimiz bu sistemleri ve temellerini anlamaya çalışıyoruz.

Kaynaklar:

• Websitem: ⁠fbildirici.github.io⁠
• Recommendation Systems: ⁠https://developers.google.com/machine-learning/recommendation/overview/types⁠
• The Coded Bias: ⁠https://www.netflix.com/title/81328723⁠
• İTÜ Öneri Sistemleri: ⁠https://yapayzeka.itu.edu.tr/arastirma/oneri-sistemleri⁠
• Miuul: ⁠https://miuul.com/blog/veri-bilimi-ile-tavsiye-sistemleri⁠
• Matematiksel İmha Silahları: ⁠https://www.canyayinlari.com/matematiksel-imha-silahlari-9786058043398⁠
• Practical Recommendation Systems: ⁠https://www.manning.com/books/practical-recommender-systems⁠
• Recommendation Systems: Algorithms, Challenges, Metrics, and Business Opportunities: ⁠https://www.mdpi.com/2076-3417/10/21/7748