¿Cómo sabe Netflix qué películas te gustan? (Sistemas de recomendación)

hola de nuevo soy feregrino y ahí te voy a hablar de cómo es que netflix hace recomendaciones [Música] los sistemas de recomendación también conocidos como motores de recomendaciones son sistemas de filtrado de la información y así los vas a encontrar en mucha literatura se les dice de filtrado porque lo que hacen es eliminar información irrelevante para el contexto de cada usuario por ejemplo netflix tiene cientos de miles de títulos es necesario que filtre los no relevantes para que solo te muestre aquellos que tú estarías interesado en consumir ultimadamente en la tarea de un motor de este tipo es el de estimular el consumo y mantener a los usuarios entretenidos con la aplicación obviamente los sistemas de recomendación existen en otras áreas alejadas del streaming de películas casos como el de spotify que te recomienda música amazon que trata de recomendarte productos o corcera que te invita a tomar cursos similares e inclusive tu banco tiene sistemas de recomendación probablemente que te pueden sugerir productos financieros que sean de tu interés una vez que ya sabemos que un motor de recomendación es a la vez un filtro de información te cuento que hay tres principales tipos de sistema un sistema basado en colaboración se basa alrededor de trabajar con información sobre lo que un grupo de usuarios disfruta este sistema se nutre del comportamiento actividades y preferencias de la gente que lo usa de la gente que usa un servicio lo que hacen es tratar de encontrar gustos en común entre estos usuarios y una vez que estos gustos en común son descubiertos nuevas sugerencias son formadas por ejemplo supongamos que al usuario no le gusta a b y d y que al usuario 2 le gusta a b y x lo que hace un filtro basado en colaboración es detectar que el usuario 1 podría gustarle x y que al usuario 2 podría gustarle de solamente porque tienen gustos en común la principal ventaja de un sistema de este tipo es que puede ser utilizado para recomendaciones de objetos complejos como es el caso de películas y es que no se necesita conocer ni entender el contenido de lo que se está recomendando por ejemplo no necesitas saber que en la película the avengers se trata de superhéroes solo basta con saber a quienes les gusta y qué gustos hay en común entre los usuarios que disfrutan de estas películas para poder realizar recomendaciones hay otro tipo de sistemas que son los sistemas basados en contenido como el basado en colaboración un sistema de este tipo también se basa en información histórica sobre lo que los usuarios disfrutan dentro de éste igualmente se alimenta de nuestro comportamiento con el sistema con la aplicación que estamos usando sin embargo un sistema basado en contenidos si se preocupa por el contenido de los objetos que va a recomendar y es que toma en cuenta únicamente lo que tú como usuario has visto y que te ha gustado para encontrar objetos similares y ponerlos frente a tus o ponerlos frente a tus ojos con la esperanza de que las similitudes entre estos objetos sean un buen proxy para tus gustos supongamos que te gusta a ti las películas del señor de los anillos y el hobbit dados estos gustos y las características de la película cosas como que se trata de fantasía medievales tienen un poco de acción y animales fantásticos el modelo podría sugerir que una película como la de aragón que tiene características similares la gran ventaja de estos sistemas es que son altamente personalizables puesto que se basan a los usuarios les gusta y tratan de encontrar cosas similares a lo que te gustó en el pasado en este caso no importan las interacciones que existan entre los usuarios no importa si a fulanito le gusta abc y que a ti te gusta a b y c y de no importa las colaboraciones no se toman en cuenta lo único que se toma en cuenta es el contenido de lo que tú has disfrutado y bueno por como lo relató pareciera ser que estos dos tipos de sistemas son completamente opuestos el filtrado colaborativo se basa en las interacciones entre usuarios y no le importa para nada el contenido mientras que los sistemas basados en contenido es todo lo contrario no le interesa a lo que a otros usuarios les guste las recomendaciones para cada uno de estos usuarios provienen de sus gustos pasados pero bueno ya sabes no todo es blanco y negro hay sistemas híbridos que toman las dos formas y las unen para potenciar sus recomendaciones y es justamente un sistema como éste o varios sistemas como estos los que potencian en flix el sistema de netflix de acuerdo a la compañía el sistema de netflix se basa en tres pilares el primer pilar son los usuarios y los gustos que han expresado de forma explícita por ejemplo cuando le das pulgar arriba a una serie o película aunque bueno hay que ser honestos casi nunca hacemos eso al menos yo nunca lo hago pero bueno es por eso que la compañía también captura otras señales como el tiempo que vemos se termina la serie el dispositivo en el que lo hacemos si nos aventamos toda la temporada en una sola noche en fin tu comportamiento también habla de cuánto te gustó una serie o una película el segundo pilar son las etiquetas horas 2 y las etiquetadoras que son personas contratadas por netflix para ver resumir interpretar etiquetar criticar calificar investigar clasificar y cualquier otra cosa relacionada con ver series y películas sí aunque no lo creas hay gente que recibe un salario por sentarse a ver netflix y si no me crees aquí te dejo un artículo que habrá sobre ellas y bueno el tercer pilar es el aprendizaje máquina que pone a funcionar en armonía todos los datos recopilados tanto de los y las usuarias como de las personas que se dedican a etiquetar el contenido de netflix aquí voy cuando digo que netflix tiene un sistema híbrido y es que utilizan tanto las interacciones entre nosotros los usuarios que nos gusta hay gustos compartidos entre nosotros como el contenido de las películas es por eso que tienen este grupo de personas que se dedican a etiquetar a resumir y analizar las series que netflix crea y que de otras personas crean el contenido también es importante para netflix cinemax y el premio de netflix como ustedes saben si han seguido mis vídeos previos sobre netflix y si no se los dejo por acá vinculados en la descripción del vídeo o en una tarjetita por acá arriba al inicio de su historia netflix enviaba dvds a sus usuarios y en aquel entonces tenía un algoritmo llamado cine match que era muy bueno para su época sin embargo reconociendo que siempre se puede mejorar en 2016 la compañía organizó un concurso llamado el premio netflix para encontrar un algoritmo que superará el desempeño de cine más el concurso duró tres años antes de encontrar un proyecto que fue determinado como ganador sin embargo hubieron muchas soluciones todas con un mejor desempeño de cine match unas cuantas de estas soluciones fueron puestas en producción mientras que otras no por su gran complejidad a la fecha seguramente estos algoritmos han cambiado y no son tan fácilmente accesibles en la actualidad puesto que netflix prefiere mantener esos secretos pues secretos después de todo es lo que les asegura mantenerse como los reyes de las recomendaciones imagina que de la nada cocacola publicará la receta s adictivo líquido negro que suelen producir no pasaría es el negocio de cocacola así mismo recomendaciones es el negocio de netflix en cambio la perspectiva como parte de las evoluciones que ha sufrido netflix la compañía en un determinado momento pasó de inicialmente tratar de predecir qué rating le pondría un usuario a cada título para de ahí tener una especie de lista a un ranking valga la redundancia de títulos que un usuario podría ver a ultimadamente generar toda una página personalizada para nosotros los usuarios la migración de ratings también se notó recientemente en la interfaz gráfica anteriormente podría seleccionar un rating decir de 0 a 5 estrellas para cada película mientras que ahora lo único que puedes hacer es dar pulgar arriba o pulgar abajo te diste cuenta tú de ese cambio te aseguro que la gran mayoría probablemente no porque como ya lo dije nosotros los usuarios solemos no calificar explícitamente los títulos más bien si algo nos gusta lo vemos muchas veces o lo hemos seguido sin ponerle pausa hasta que a veces hasta nos saltamos el ínter desde la vista inicial de netflix cuando accedes a la aplicación puedes darte cuenta que existen dos niveles de calificación de título uno de ellos se está basando en las filas que ves y otro en las columnas que existen dentro de cada una de esas filas y es muy probable que dos tipos de sistemas sean utilizados uno para ordenar las filas de acuerdo al cual es la primera que ves arriba y otro para ordenar los títulos de acuerdo a cuál es la que ves más hacia la izquierda porque ahí es en donde va a ir tu atención primero la idea de presentar la información de esta manera es la de otorgar un orden y cierta limpieza en la pantalla de los usuarios en lugar de presentar un montón de títulos sin relación solamente de acuerdo a la calificación que tú como usuario le pondrías los usuarios dominio grupos de temas relacionados estos grupos están decididos por diversos factores no solamente son géneros de las películas mismas aquí la compañía utiliza filtrado colaborativo para encontrar y organizar filas que un usuario tenga interés en ver el proceso es más o menos el siguiente se encuentra un conjunto de grupos que pudieran resultar de interés a un usuario en conjunto con la evidencia o razón de por qué fueron seleccionados luego se filtran las películas que ya fueron vistas para él por el usuario los títulos que podrían estar repetidos dentro de un mismo grupo y una vez que se tiene el conjunto de títulos final se ordena utilizando todavía otro árbol y algoritmo de arranque o finalmente se elige en las filas que se presentaran en el dispositivo del usuario de acuerdo a diversos factores la hora del día en que el dispositivo lo está viendo e inclusive pueden tomar en cuenta la calidad de tu internet las recomendaciones que te hace netflix tienen varias restricciones la primera es que obviamente deben ser relevantes para ti para el usuario deben reflejar tus gustos la segunda es que las recomendaciones deben ser diversas mientras que deben ser relevantes para ti tampoco deben enfocarte y centrarse solamente en uno de estos gustos la tercera es nuevamente deben ser diversas pero en este caso deben a veces irse fuera de tus gustos del usuario los gustos comunes para motivarte a probar nuevas cosas sin necesariamente alinear te de la plataforma la cuarta es que deben ser responsivas reaccionar a cambios en el gusto del usuario cuando terminas de ver una película y te gustó tal vez quieras seguir viendo más cosas de lo mismo deben tomar en cuenta esto la quinta restricción es que mientras que deben ser responsivas también deben ser estables si un usuario ve una recomendación un día debe poder volver un par de días después y poderlo encontrar fácilmente en su pantalla principal además de las restricciones que te acabo de mencionar existen otras consideraciones a tomar en cuenta tanto dentro de netflix como en otros sistemas de recomendación en general lo primero es que los sistemas de recomendación deben tener la capacidad de escalar existen algoritmos que funcionan de maravilla en data sets pequeños pero cuando tienes millones de películas y millones de usuarios calcular recomendaciones puede ser algo tardado o a veces imposible otra de las consideraciones que hay que tener es que al tener información sobre un usuario entramos en el problema de gestionar y respetar la privacidad de los usuarios además de ofrecer predicciones que no fomente estereotipos nocivos y otro de los problemas es que si no podemos recolectar información suficiente sobre nuestros usuarios y cómo es que interactúan con los objetos que nosotros tenemos en el sistema obviamente nuestro sistema de generación de predicciones va a sufrir de baja calidad y bueno eso es todo lo que les tenía que contar por el momento sobre los sistemas de recomendaciones sé que no les hable mucho sobre el detalle de lo que netflix hace porque bueno en la actualidad es muy difícil encontrar información sobre este sistema que les digo es netamente el negocio de netflix es por eso que lo mantienen con tanta secrecía pero al menos espero que se queden con la idea detrás de cómo es que funcionan los sistemas de recomendación en fin como siempre espero que este vídeo les haya servido y les haya sido de utilidad si tienen dudas comentarios o alguna otra cosa que me quieran contar ya saben dejen en la caja de los comentarios siempre los leo se los agradezco mucho y bueno ya saben duramente si les gustó den un me gusta comparte el nuevo con alguien a quien tal vez le pudiera resultar útil o interesante y bueno nos vemos la próxima ah ah ah y y a y