Algebra lineal. Proyecto: Aplicación de matrices

Universidad Autónoma de Zacatecas

Ing. de software

[pic 1][pic 2]

Nombre del maestro: García Hernández Alejandra

Nombre del alumno: Morales Castillo Daniel Alejandro

Materia : Álgebra

Proyecto: Aplicación de matrices

Actualmente en diversas aplicaciones se manejan grandes cantidades de datos que son almacenados en forma matricial. Algunos ejemplos:

• Datos de censos poblaciones de INEGI
• Imágenes digitales
• Matrices término-documento para realizar búsquedas en internet
• Apps moviles , web .

[pic 3]

Aplicación en compresión de imágenes

[pic 4]

[pic 5]

Sistemas de recomendación

SR ayudan a conectar usuarios e ítems facilitan la gestión de la enorme cantidad de información Actúan como asistentes en las ventas (guía, consejo, persuasión,...) SR son agentes software que aprenden los intereses y preferencias de cada consumidor y les hacen recomendaciones que se ajustan a sus gustos.

Objetivos

Predicción el grado en que a cada usuario le gustará un ítem es el criterio más popular para evaluar los SR Interacción dar buenas sensaciones a los usuarios

– Educar a los usuarios sobre un tipo de ítems convencer o persuadir a los usuarios ‐ explicar Finalmente, comercial incrementar las visitas y navegación, la tasa de ventas por visita optimizar los márgenes de ventas y el beneficio final

Ejemplos de Sistemas de recomendación:

[pic 6]

Google

-Waze

Musicales[pic 7][pic 8]

-Spotify

-Apple Music

-last.fm

[pic 9]

Comercio electrónico[pic 10]

-Amazon

-Alibaba

[pic 11]

Netflix

SR como una tarea de aprendizaje automático.

Rellenar matrices de valoraciones .

• Regresión
• Clasificación
• Preferencias

SR como una tarea de aprendizaje automático.

Partimos de una matriz (tabla de doble entrada) donde las filas representan los items (o los usuarios) y las columnas representan a los usuarios (o a los items

respectivamente) .El objetivo es rellenar la matriz de forma coherente con los valores que ya están disponibles Es decir, aprender una función que depende de un parámetro
.

[pic 12]

• si los valores disponibles en las celdas son fiables se puede intentar buscar una función que rellene las celdas de tal manera que la diferencia entre los valores reales y los predichos sea lo menor posible. este es el caso del problema de Netflix.

[pic 13]

Rellenar la matriz con una clasificación.

Si los valores disponibles en las celdas son fiables, y son valores de un conjunto finito de elementos se puede plantear el rellenar la matriz como una tarea de clasificación.

[pic 14]

Rellenar la matriz aprendiendo preferencias

-Cada fila representa un usuario

-Las calificaciones de los items

(columnas) no las consideramos en

términos absolutos

-Por ejemplo, u1 prefiere el producto p4

frente al p1, pero la cuantía de sus

valoraciones no las tendremos en

...