AI dalam Kuis Sistem Rekomendasi

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Pemfilteran kolaboratif didasarkan pada apa?
   • Pola preferensi di banyak pengguna
   • Warna yang digunakan pada gambar suatu item
   • Panjang deskripsi produk
   • Mengacak katalog secara acak
2. Apa yang digunakan pemfilteran berbasis konten untuk membuat rekomendasi?
   • Hanya waktu dalam sehari
   • Fitur item dan preferensi Anda sebelumnya
   • Harga saham perusahaan
   • Sebuah lemparan koin
3. Masalah apa yang dipecahkan oleh faktorisasi matriks pada pemberi rekomendasi?
   • Mengenkripsi kata sandi pengguna
   • Mengompresi file video
   • Mengubah matriks item pengguna yang jarang menjadi vektor laten yang ringkas
   • Merutekan lalu lintas internet
4. Apa masalah 'start dingin'?
   • Server terlalu dingin untuk dijalankan
   • Virus yang membekukan akun
   • Rekomendasi hanya berfungsi di musim dingin
   • Kesulitan merekomendasikan untuk pengguna baru atau item yang tidak memiliki riwayat
5. Kompetisi apa yang membantu mempopulerkan penelitian rekomendasi?
   • Hadiah Netflix
   • Penghargaan Turing
   • Hadiah Nobel
   • Kontes Eurovision
6. What did Meyer and colleagues propose the Average Measure of Impact to evaluate?
   • Image classification accuracy
   • The impact of personalized recommendations on usefulness and trust
   • The number of ratings stored in a matrix
   • The GPU memory used by a recommender
7. Which metric is designed to assess the quality of a ranked top-K recommendation list?
   • Mean absolute error on a single rating only
   • Pixel accuracy
   • NDCG@K
   • Tingkat kesalahan kata
8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
   • RMSE directly measures user satisfaction for every ranking
   • Every user sees every catalog item
   • A rating model cannot use user-item data
   • Rating accuracy and top-item ranking quality are different objectives