please can you share slides

Simple Popularity based Recommendation, Collaborative Filtering using Matrix(2D) , Content Based Filtering. These 3 methods are mainly described in the video

In the last method of Matrix Factorization SVD was used. Can an Autoencoder be used ? Will it be computationally very expensive? Also will the quality of recommendation get any better or stay similar?

45:25 - Importance of matrix Sparsity

Advanced Agentic Literacy this video is gold one of the best videos on what works and doesn’t amazing I will teach it to my 45000 staff in our bank spot on.

awesome

You made me undesratnd the chronology of things are suppose to be in A Recommender System and m very grateful Thank You very much Jill.. Gonna go read your medium posts😉

So in summary it’s training a regression model for predicting demand and then use the model to get the demand curve and finally use an optimizer to maximize profit?

Thank you for putting this up for free

these 2 techniques are super old. Like Pre-2018 Era. Most systems like Tiktok, Instagram and etc use a two tower approach instead...

Nice webinar, any online resource/example/tutorial on how to do this technically?

👍

At 1:17:00 If your values are continuous you can keep a threshold for eg: thres = 2 5 - 4 < thres is considered close whereas 5 - 2 > thres it's not close. Now, you have a binary matrix for precision and recall

matrix sparsity of MovieLens 20M Dataset using your code is 0.54% where my findings imply the matrix sparsity is 100-0.54=99.46% which makes more sense after all. I dont understand. isnt the formula sparsity=(#zero valued elements)/(#total elements) ?

02.07.2024: Semantic Kernel : 20k stars, 1.3M downloads, 268 contributors Langchain : 88k stars, 81M downloads, 477 contributors

@ternaus I love your hair looks good on you!🎉 Congratulations on this one

Had a meeting with them last week. As of now, bb ai will be released next year but don’t quiote me on this

Thanks great overview!

Completely usless model. Models learn from the past data . They cannot predict the future. Once political event can completely turn the model parameters upside down.

not a denmo what a garbage

The mic. It's so painful to follow. Please, next time you record a conference fix this :)

Hi, thank you for your presentation. Could you please give me the source and dataset for this model?

it seems great but in practice this only works for very small subset of false predictions, which is not worth it in a critical usecase or non critical usecase

thanx.

33:30 That would actually just be a better test to see if a human is a robot.

Can we get the notebooks?

thank you so much bro

17:00 Calculating the average rating

Which white paper is referred in this video? Can i get link?

Dear Jil, Your tutorial is extremely helpful and well presented - well done! However, I do have a small question about the section where You discuss sparsity. In most documentation I see that sparsity is measured by getting the quotient of number of zero or missing values / total number of elements in the matrix. However, You're taking the number of ratings (rather than missing values) into the formula - why? Considering that we have 610x9724=5,931,640 elements and 100,836 ratings - it would seem that our sparsity should be quite big (as most data is missing)! Also, could You point to any documentation which discussed at which levels of sparsity the CF methods should be used? Best regards, Pawel.

tks for sharing

Subpar model 😂. I legit made something better...by myself with $500. I guess everything is so new, it seemd few actually understand how to build a SOTA model. Guess this was a POC though.

Bard got trained on hundreds of trillions of tokens vs 700 billion tokens for Bloom model.

Thank you for sharing your experience which we don't hear from Google and OpenAI

Okay, I nominate this guy to be future Marty McFly in "Back to the future 4"

great talk! lovin' the technical details about training

Very educational, I am only as non-technical novice, especially with Gen AI and Foundation Models. I learned from 40 minutes.

Has it been 10 weeks already?

sorry, don't think that slide on 6:49 was explained well.

I think you should have started from a checkpoint & trained on your private dataset, just monitoring test performance on MMLU and your finance metrics.

This man is a genius

look into

FinGPT is better tho.

방송도 버출얼 캐릭터들이 많이해. 물론 사람이 하는건데, 이것도 AI화 될수있어. 그럼 그것도 인간이 할수 없을꺼야.

모든 직업이 그렇게 되는건 아니지. 스포츠는 인간이 하겠지. 축구 야구 농구 배구, 그리고 방송도 인간이 하고 콘서트 노래도 인간이 하겠지. 사이버 가수 AI가수가 나오긴하는데, 완전히 대처될진 모르겠고, 영화나 드라마도 애니메이션이 흥행하는것을보면, 사이버 가상의 배우들이 영화와 드라마를 찍을날도 올꺼야. 그때는 배우가 단 1명도 없는데, 영화와 드라마가 나올꺼야. 애니메이션인데 실사화 된 애니메이션같은거지. 배우라는 직업도 없어질수있어. 왜냐면 더 싸더니까,

아나운서도 필요가 없어. 이미 AI 아나운서와 기자가 뉴스 진행을해. MBN 김주희 아나운서였나? 중국의 CCTV도 10년전에 한거야. AI 아나운서가해도 똑같아. 별 차이가 없어. 그럼 아나운서도 필요가 없어. 기자도 다른 기사 복불복하는 기사 청와대에서 보도 할꺼 내려줘서 그거 그냥 쓰는 기자들도 필요가 없어. 그거 AI가 하면 돼. 기자도 필요가 없어. 상담사들도 챗gpt가 다 상담하고 대답해. 상담사라는 직업들도 90%는 AI로 바뀌고 나머지 10%만 인간이 할꺼고, 사람이 필요가 없어. 그럼 도대체 어디서 직업을 구할까? 택시 운전도 테슬라와 구글 웨이모가 자율주행 택시 하면 택시 직업 수백 수천만명의 사람들은 직업을 잃어. 트럭 운전사도 없어질꺼고, 어디서도 일을 구할수가 없어. 인간은 필요가 없어. 택배 물류도 기계가 다해. 인간은 필요가 없어.

이미 사람 대신에 로봇을써. CJ대한통훈도, 쿠팡도, 영국의 오카도? 배달도 로봇배달이 시작되고, 운전도, 테슬라와 구글의 웨이모가 자율주행을 하고, 이미 시작됐어. 상담사도 챗 gpt로 인도에서 바꾸고 사람을 해고했잖아. 테슬라 공장은 사람이 없어. 더 없어도 되는데, 고용률 생각하는 정부때문에 유지하는거야. 사실 필요가 없어. 기계가 다할수있어. 그리고 기계로 하면 마진율이 더 높아. 주택 보급도 3d프린터가 사람없이 집을 지을수있어. 그럼 지금 집값 반값으로 공급할수있어. 그럼 부동산 시장은 다 터져. 자본주의는 무너지고, 은행시스템도 무너져, 끝나는거야. 이미 자본주의는 끝났다니까. 그냥 죽은 자본주의를 붙들고 살아가는거야. 지들 죽기 싫다고, 자기들 기득권 놓기 싫다고 그런것뿐이야. 이미 이건 막을수가 없어.

집도 미래에는 무한 공급이 가능해3d프린터가 무한으로 집을 찍어낼수있기때문에, 무조건 가능해. 지금 당장도 가능해. 그런데 자본주의 기득권들이 자기들 부동산 자산 가치가 하락할까봐, 막고있는거지. 근데 아무리 막고 아무리 이걸 반대해도 바꿀수가 없어.

자본주의라는 개념은 미래에는 없어. 그건 이제 과거의 존재했던 개념으로만 남을꺼야.

그러니가 이 미래는 자본주의가 바뀌던지, 인간이 멸종하던지 둘중에 하나야. 미래에는 자본주의라는 개념은 없어져. 이건 왜냐면 인간이 멸종해서 없어지고, 인간이 살아남기 위해서 자본주의를 바꿔도 없어지기때문이야. 이건 확정이야.