Sistemas de Recomendação (SR) são conjuntos de algoritmos capazes analisar e identificar padrões de comportamento dos usuários de determinada plataforma, com objetivo de fornecer sugestões personalizadas, com base em seus interesses e histórico de navegação.

A crescente variedade de informações disponíveis na web, somada ao rápido surgimento de novos serviços de e-business, gerou uma sobrecarga de opções aos usuários. Ter opções é  bom, mas, “infinitas” nem sempre é o melhor.

Surgem então, os Sistemas de Recomendação, a partir da necessidade de filtrar a quantidade de opções disponíveis para o usuário, automatizando a geração de recomendações baseadas na análise dos dados (Melville e Sindhwani, 2010).

Atualmente, os SR têm um papel fundamental em sites como Amazon, YouTube, Netflix, Yahoo, Tripadvisor, Walmart, Spotify e nas principais Redes Sociais, como Facebook, Twitter, e Instagram.

Quer entender como esses sistemas funcionam na prática?

Neste post, além de explicar o que é um Sistema de Recomendação, também mostramos como esse tipo de ferramenta funciona, quais tecnologias utilizar, exemplos e tendências para este mercado. Ao final, ainda indicamos algumas formações para quem deseja se capacitar para atuar na área. Boa leitura!

O que é um Sistema de Recomendação?

Um Sistema de Recomendação é um conjunto de algoritmos que utilizam técnicas de Aprendizagem de Máquina (AM) e Recuperação da Informação (RI) para gerar recomendações baseadas em algum tipo de filtragem. Seu objetivo é oferecer uma experiência de consumo mais personalizada para os usuários.

Para que serve um sistema de recomendação?

O objetivo dos SR é gerar recomendações válidas de itens que possam interessar aos usuários, tal como sugestões de:

• livros e produtos na Amazon;
• filmes e séries na Netflix;
• amigos no Facebook;
• vídeos no Youtube;
• lugares no Foursquare;
• e outras infinidades de recomendações.

Ou seja, podemos entender “item” como um termo geral, utilizado para designar o que o sistema recomenda ao usuário, podendo ser filmes, músicas, vídeos, roupas e até pessoas.

Na imagem abaixo é possível ver um exemplo do Foursquare, com recomendações de lugares relacionados a busca por alimentação em Belo Horizonte: 

 Fonte: Foursquare.com – Screenshot de Recomendação de Lugares

< Quer conhecer melhor seus usuários? Então, leia este post: Saiba como montar um mapa de empatia para conhecer o seu cliente />

Como funciona um sistema de recomendação?

Fazer um sistema de recomendação, como você pode imaginar, envolve a análise de dados como preferências e padrões de navegação dos usuários. Desse modo, é possível personalizar sua experiência, sugerindo conteúdos e produtos mais adequados ao seu perfil.

Para que isso seja possível, é preciso filtrar toda essa informação, de modo a encontrar padrões. Dentre as modalidades de filtragem mais comuns, temos:

• colaborativa – considera a experiência de todos os usuários;
• baseada em conteúdo – considera a experiência do usuário alvo;
• híbrida – tanto a filtragem colaborativa, quanto a baseada em conteúdo são consideradas.

Vamos entender um pouco mais sobre cada uma delas a seguir:

Filtragem Colaborativa

Os algoritmos de recomendação de Filtragem Colaborativa são amplamente utilizados no ramo de e-commerce, assim como nas Redes Sociais.

O usuário alvo recebe recomendações baseadas nas avaliações de todos os outros usuários, de forma coletiva.

Por exemplo: em uma loja de comércio eletrônico, ao buscarmos por uma geladeira da marca X, recebemos também recomendações de geladeiras de outras marcas, com base nas avaliações realizadas pelas pessoas.

As avaliações dos itens podem ser feitas de diversas maneiras. Dentre os exemplos mais comuns, temos:

• escala de pontuação;
• escala de estrelas;
• ícones de gostei e não gostei (avaliação binária);
• comentários sobre o item.

Na imagem abaixo, temos o exemplo de sistema do recomendação de produtos utilizado pela Amazon:

Fonte: Amazon.com – Screenshot de Recomendação de produtos

Filtragem Baseada em Conteúdo

Já os SR que utilizam Filtragem Baseada em Conteúdo, apresentam sugestões de acordo com as configurações de preferências definidas pelo usuário, e/ou com base em seu histórico de navegação, indicando itens semelhantes aos que demonstrou interesse no passado. Ou seja, as recomendações são personalizadas.

Por exemplo, os anúncios patrocinados nas redes sociais são filtrados de acordo com as características do perfil, incluindo histórico de postagens, amigos/seguidores e seguidos.

Esse tipo de filtragem parte da premissa de que os usuários tendem a se interessar por itens semelhantes aos escolhidos no passado.

Abaixo, você confere um exemplo de sistema de recomendação de produtos no Twitter:

Fonte: Twitter.com – Screenshot de Anúncios Patrocinados

Similaridade de Item/Usuário

Um dos principais conceitos utilizados nos SR é a similaridade, que consiste em descobrir itens similares aos que o usuário já adquiriu, ou mesmo, usuários que sejam semelhantes entre si (vizinho mais próximo).

Utilizando as avaliações e preferências de todos os usuários, pode-se calcular a similaridade entre o grupo geral e um usuário alvo. Assim, se torna possível recomendar filmes ainda não assistidos para uma pessoa, com base na similaridade com os demais e na classificação deste item (Liu, 2014).

Por exemplo, em um site de filmes, podemos recomendar ao usuário, títulos que pessoas com gostos similares aos dele já assistiram.

A semelhança dos itens pode ser determinada pela busca booleana, métodos probabilísticos e também modelos vetoriais. Nessa abordagem, os algoritmos de Classificação mais utilizados são: Vizinho K-mais-próximo; Árvores de Decisão; Classificador de Bayes; SVM e Redes Neurais.

Um dos problemas em considerar a similaridade é o denominado Cold-Start, causado, por exemplo, por novos usuários que não tenham apresentado quaisquer avaliações e, portanto, não podem ser comparados a outros.

Método Híbrido

Para aumentar a eficiência dos algoritmos de sistemas de recomendação, vários métodos híbridos, que combinam as duas abordagens, foram propostos. Dentre as filtragens híbridas, destacam-se:

• produzir listas separadas de recomendação (de cada abordagem) e unir seus resultados, a fim de produzir uma lista final;
• utilizar pesos para os tipos de filtragem, por exemplo, na técnica colaborativa, podemos valorizar itens que receberem mais acessos;
• utilizar as técnicas de classificação de Aprendizagem de Máquina. Pode-se, por exemplo, prever qual filme o usuário gostaria de ver, e também estimar se este conteúdo será ou não apreciado pelo usuário.

< Quer saber mais sobre como aprimorar a experiência do seu usuário? Então, confira este post: UI e UX Design: diferenças e semelhanças />

Exemplo de sistema de recomendação da Netflix

Um dos SRs mais personalizados atualmente é o utilizado pela Netflix, que aprimorou o algoritmo de seu sistema de recomendação de tal maneira que, cerca de 75% da atividade de sua audiência é direcionada pelas indicações da plataforma.

Um dos conceitos aplicados na Netflix é a diversidade, realizada a partir da combinação de várias métricas. Com foco nos dados do perfil de cada usuário, o sistema possibilita a recomendação de itens relevantes, mesmo que não possuam similaridade com o conteúdo já visto por ele.

A integração com as redes sociais, como o Facebook, também contribui para personalizar recomendações. Assim, é possível recomendar itens vistos pelos amigos do usuário.

Na imagem abaixo, vemos o exemplo do sistema de recomendação de conteúdos utilizado pela Netflix:

Fonte: Netflix.com – Screenshot de recomendações Híbridas

Quais são as tendências em sistemas de recomendação?

Não é novidade para ninguém que a tecnologia está em constante evolução, não é mesmo? Pegando carona nesses avanços, os mercados de consumo e entretenimento estão sempre em busca de inovações para oferecer experiências cada vez melhores a seus usuários. 

Conheça algumas tendências:

1. agrupar os usuários por gostos similares, assim, a similaridade pode ser calculada entre os membros do grupo, ao invés de compará-lo com todos os usuários do sistema;
2. aplicação de técnicas avançadas de Aprendizagem de Máquina, como Deep Learning, e também análise de sentimento;
3. explorar a combinação de features, além das tradicionais, relacionadas aos itens e ao usuário, explorar a integração com outras plataformas, como as redes sociais;
4. inserir diversidade e novidade nos resultados contribui para melhorar a experiência do usuário, impedindo a monotonia e previsibilidade do sistema.

Por fim, é importante ter clareza de que, quanto mais o usuário interagir com o sistema, mais precisas serão as recomendações obtidas, independentemente do tipo de técnica utilizada.

< Leia também: Quais são as profissões do futuro na área de tecnologia? Como se preparar? />

Como se preparar para atuar nesta área?

Os Sistemas de Recomendação tornaram-se essenciais para a fidelização de usuários. Principalmente pelo fato destes se sentirem reconhecidos, ao serem tratados com individualidade.

Ao que tudo indica, esta é a direção natural para esse tipo de tecnologia, uma vez que o caminho do sucesso passa pela personalização, a fim de oferecer experiências cada vez mais completas e satisfatórias para os consumidores.

Quer atuar nesta área, mas não sabe por onde começar? Confira algumas dicas de formação que vão te levar ao próximo nível:

• Pós-graduação em Machine Learning;
• Bootcamp online: Arquiteto(a) de Machine Learning;
• Bootcamp online: Engenheiro(a) de Machine Learning.

E aqui vai a cereja do bolo: aderindo ao XPE Multi+, com uma única assinatura, você tem acesso a dezenas de cursos para aprimorar ainda mais seus conhecimentos e enriquecer o seu currículo. Experimente agora mesmo!

Este post foi escrito pela professora Michelle Hanne Soares Andrade. Se você deseja explorar este universos e entender mais sobre o assunto, não deixe de conferir:

Referências utilizadas

MELVILLE, P.; SINDHWANI, V. Encyclopedia of machine learning.[s.l.] Springer-Verlag, chapter Recommender systems, 2010.

LIU, Yang. Sistema de recomendação dos amigos na rede social online baseado em Máquinas de Vetores Suporte. Dissertação (Mestrado), Universidade de Brasília, Brasília, 2014.

Recomendações de leitura

Recommender Systems: An Introduction, DietmarJannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich. Cambridge University Press, 2010.

Recommender Systems Handbook, Francesco Ricci, LiorRokach, BrachaShapira, Paul B. Kantor. Springer, 2015.

Recommender Systems: The Textbook, Charu C. Aggarwal. Springer, 2016.

Nos últimos anos, a tecnologia evoluiu de tal maneira que viabilizou a automatização de diversas atividades e processos. Hoje, é impossível imaginar, por exemplo, uma linha de produção automotiva composta por humanos. Se você sabe o que é robótica, provavelmente já associou grande parte dessas evoluções a essa área da tecnologia.

Mas não se engane ao pensar que robótica se resume apenas a um robô. Na verdade, os projetos que antecedem sua criação exigem grande estudo, lógica e cuidado. Se você tem curiosidade sobre o assunto ou quer dar os primeiros passos na área, confira o artigo abaixo. Nele, você confere um conteúdo completo com:

• Conceito de robótica;
• Como é a construção de um robô;
• Categorias de robôs;
• Aplicação da robótica nos negócios;
• Robótica educacional;
• Previsões para o futuro.

Aproveite!

O que é robótica?

Basicamente, a robótica é uma vertente da ciência dedicada ao estudo de robôs. Indo mais além nesse conceito, essa área envolve não só a ciência em si, como também a engenharia e a tecnologia. Mas e o que são, afinal, os robôs?

Talvez uma das primeiras imagens que venha à sua cabeça seja a do ator Robin Willians no filme O Homem Bicentenário. Fazer essa associação não é um erro, mas está longe de ser a mais comum.

Na verdade, o foco da robótica é direcionado para a criação de máquinas capazes de realizar movimentos e atividades antes executados pelos humanos. Isso inclui objetos do dia a dia, como um aspirador de pó ou um liquidificador. O objetivo é justamente auxiliar — ou até mesmo substituir — as ações do homem.

Onde surgiu e como a robótica foi conceituada?

A primeira vez que se ouviu falar sobre robôs foi em 1921, na peça R.U.R, produzida pelo escritor tcheco Karel Capek. Nela, Capek atribuía aos humanos artificiais o nome de robôs.

Já o termo robótica data de outra década: 1950. Na ocasião, o escritor Isaac Asimov falou sobre três Leis da Robótica em seu livro, intitulado Eu, Robô.

• 1ª lei: sob nenhuma hipótese, os robôs devem machucar os humanos. Da mesma maneira, eles não devem permitir que um humano passe por uma situação de sofrimento.
• 2ª lei: todas as instruções dadas pelos humanos devem ser obedecidas pelos robôs, a menos que essas instruções comprometam a primeira lei.
• 3ª lei: a existência dos robôs deve ser protegida, inclusive por eles mesmos — a menos que essa existência comprometa as leis 1 e 2.

Se por algum momento você já teve medo de um robô se rebelar contra a humanidade com o propósito de destruí-la, saiba que são essas as leis que norteiam pesquisadores e desenvolvedores ao redor de todo o mundo. Dessa maneira, qualquer invenção deve ser pautada por elas, justamente com o propósito de manter o equilíbrio e segurança da sociedade.

Como os robôs são construídos?

São os engenheiros robóticos os responsáveis por idealizar e construir robôs. Esse processo é feito após uma série de estudos, que buscam entender pontos como necessidades, viabilidade, desafios e oportunidades.

Para que os esboços saiam do papel, é preciso ter conhecimentos específicos e técnicos, entre eles:

• Linguagens de programação: para ser possível programar comandos;
• Mecânica: para projetar movimentos e funções;
• Física e química: para desenvolver pontos relacionados à condução de eletricidade e transmissão de calor;
• Eletrônica: para a definição de componentes eletrônicos a serem usados.

Com esse conhecimento, os passos de construção envolvem, além do projeto, etapas de montagem e testes.

Quais são as categorias de robôs?

Engana-se quem pensa que os robôs pertencem a um único grupo. Na verdade, embora todos eles devam obedecer a critérios como a presença de componentes elétricos em suas estruturas, há características que os dividem em 5 classificações diferentes.

01. Pré-programados

Assim como o nome sugere, esses robôs são programados previamente para executarem funções simples e repetitivas. Um exemplo são os braços mecânicos usados nas linhas de montagem de concessionárias para apertarem parafusos.

02. Humanoides

Esse tipo de robô imita/reproduz o comportamento humano e, muitas vezes, tem até aparência semelhante. Entre as ações que podem ser executadas por um humanoide estão andar e carregar objetos.

Um exemplo de humanoide é a BINA48, desenvolvida pela empresa Hanson Robotics. Ela é conhecida como a primeira robô desse tipo a dar aulas em uma universidade.

03. Autônomos

Os robôs autônomos estão mais perto do que você imagina. Sabe aquele aspirador de pó que tem se tornado o sonho de consumo de muita gente? Ele é um exemplo.

Em resumo, os autônomos são os robôs que não dependem da assistência ou da supervisão humana para funcionarem.

04. Teleoperados

Os teleoperados são uma espécie de robôs semiautônomos. Isso porque eles têm certa autonomia para desempenharem suas funções (já que elas são executadas longe dos humanos), mas, ao mesmo tempo, são controlados a uma certa distância.

Imagine um terreno infestado por minas terrestres. Manusear um drone à distância pode ser uma maneira bastante segura de identificar esses artefatos. Neste caso, esses drones são exemplos de robôs teleoperados.

05. Robôs de aumento

Também chamados de robôs biônicos, eles têm a função de aumentar a capacidade humana. Isso significa, por exemplo, suportar grandes cargas, como fazem os exoesqueletos.

Outro exemplo de função dos robôs de aumento é a recuperação de partes do corpo perdidas pelos humanos. É o caso das próteses que substituem membros como pernas e braços.

Como a robótica pode ser aplicada nos negócios?

Agora que você já sabe o conceito, como funciona a tecnologia robótica, bem como as classificações e funcionalidades associadas aos robôs, provavelmente entendeu o quanto essa área é importante para o desenvolvimento humano. Prova disso é que de acordo com um estudo da Oxford Economic, até 2030 mais de 20 milhões de empregos industriais serão ocupados por robôs em todo o mundo.

Além de questões econômicas, outras razões que levam as empresas a optarem pelo uso de robôs em suas produções são:

• Redução de erros;
• Velocidade de produção;
• Segurança;
• Capacidade de aprendizagem;
• Precisão.

Exemplos de aplicação da robótica

Já citamos neste artigo a participação dos robôs na indústria automotiva. Entretanto, eles estão presentes em outras áreas. Veja para que serve a robótica em outras áreas:

• Medicina: máquinas capazes de fazerem pequenas incisões ou cirurgias tendo como objetivo reduzir sangramentos e acidentes;
• Fisioterapia: equipamentos para estimulação motora e mobilização de membros, a fim de recuperar movimentos e melhorar desempenho físico;
• Varejo: quem já foi ao mercado e experimentou finalizar as compras em um caixa automático já atuou diretamente com uma espécie de robô.

É possível aprender por meio da robótica?

Considerando que a tecnologia robótica envolve uma série de habilidades e conhecimentos técnicos, é completamente possível fazer dela um braço de aprendizagem.

Como já citado neste artigo, essa vertente científica pode direcionar alunos e curiosos para noções de programação, física, química e eletrônica. Isso sem falar em características como criatividade, curiosidade e raciocínio.

O que é robótica educacional?

A robótica educacional é um método de aprendizagem pautado por três tópicos:

• Descoberta;
• Pesquisa;
• Construção;

O objetivo é estimular o lado investigativo dos alunos, de modo que eles usem o conhecimento adquirido em sala para construir máquinas. Os projetos são elaborados a partir de materiais não estruturadas, como itens de reciclagem e sucatas ou ainda kits de montagem.

Ao fim, as máquinas construídas devem conseguir receber comandos e executar determinadas tarefas.

Por que a robótica educacional é importante?

Os conhecimentos ligados ao estudo da robótica não se limitam a essa área. Pelo contrário, se tratam de temas globalmente em alta. É o caso da programação, que atrai um número crescente de profissionais e aquecido o mercado de tecnologia. Por isso, ela é importante para introduzir ao aluno, por meio de um conteúdo leve e divertido, temas relevantes.

Quais as vantagens da robótica educacional?

Além da visibilidade para conhecimentos técnicos da tecnologia, a robótica educacional acumula uma série de vantagens, especialmente comportamentais. Veja as principais delas:

• Raciocínio lógico e pensamento crítico, a partir de problemas matemáticos;
• Estímulo de criatividade diante de oportunidades de criação;
• Capacidade de relacionamento, a partir de tarefas coletivas;
• Noções de planejamento decorrentes do projeto desenvolvido;
• Facilitação do entendimento de disciplinas técnicas, como matemática e física;
• Enriquecimento curricular.

Previsões para o futuro da robótica

Nem sempre as previsões sobre o futuro são assertivas. Entretanto, se tratando de robótica, é possível afirmar que os próximos anos serão de crescimento substancial. A justificativa é simples: essa área gera resultados significativos em seus campos de atuação, sinônimo de evolução.

Se você não quer ficar de fora, mas também não sabe por onde começar, a Faculdade XP oferece um bootcamp de Arquiteto(a) de Machine Learning. Com ele, você aprende mais sobre essa linguagem e como aplicá-la na resolução de problemas diversos.

O curso tem duração de 10 semanas, nas quais você aprende com profissionais renomados do mercado temas relevantes, como:

• Características básicas de Redes Neurais Artificiais;
• Análise Semântica;
• Introdução ao processamento da Linguagem Natural;
• Computação em nuvem, neblina e edge na IoT.

Para saber mais informações, clique aqui. Lembrando que os bootcamps da Faculdade XP são exclusivos para assinantes Multi+. Não perca tempo e faça a sua assinatura!