Concetti Chiave
- Le monete fungono da valuta di scambio, ma nelle transazioni senza intermediari come le banche, la fiducia è sostituita da algoritmi di blockchain che registrano ogni passaggio della moneta.
- Bitcoin è spesso utilizzato nel crimine, poiché la sua natura criptata e l'assenza di un'autorità centrale consentono di trasferire valore senza controllo.
- I motori di raccomandazione possono essere suddivisi in tre categorie principali: simple recommenders, content-based recommenders e filtraggio collaborativo.
- I simple recommenders si basano su statistiche di vendita per consigliare gli item più popolari, calcolando la media delle vendite e identificando le eccezioni.
- I content-based recommenders analizzano le variabili descrittive degli item per calcolare la similarità, mentre il filtraggio collaborativo si basa sul comportamento di utenti simili per fare raccomandazioni personalizzate.
Una moneta è una valuta di scambio per acquisire risorse, l’intermediario fidato, ossia le banche, permette di fidarsi ed essere sicuro che i soldi vengano restituiti. Volendo fare moneta distribuita, senza intermediario manca la fiducia sostituita da algoritmi di blockchain, ossia un registro distribuito di tutti i passaggi della moneta [tutti i pagamenti sono segnati automaticamente], ma un computer deve tenere questo blockchain [la catena si aggiorna ogni 3 minuti, ad ogni computer compare catena, il primo che la risolve riceve bitcoin, all’inizio la risoluzione era molto facile e compensata con grandi valori, ma ora il valore ricevuto è minore rispetto al costo dell’elettricità sfruttata per risolvere l’equazione].
Bitcoin e il crimine
Bitcoin servono principalmente per il crimine, il problema del delinquente è dove metto il valore del guadagno? Arte, immobili, pietre preziose e bitcoin, senza autorità principale ed essendo criptata nessuno può controllare la blockchain [nessuno controlla i pagamenti avvenuti all’interno].
Motore raccomandazione è algoritmo che suggerisce item di consumo, sono di tre tipi:
1. Simple recommenders: algoritmo che funziona come top 10 dei dischi venfuti. Prendi un parametro per tutti gli item del database, calcola la media e prendi item che hanno scarto o differenza rispetto alla media. [Se hai 10 dischi, calcoli la media delle loro venduti, ad esempio 50,8 è molto lontano da 100, e quindi il disco con differenza maggiore è quello che ha venduto di più]
2. Content-Based Recommenders: motori di raccomandazione basati sul contenuto, segmentano ciascuno item in variabili descrittive. Similarità tra due fiabe: le segmento in variabili che la descrivono [casa, strega, bosco, castello], moltiplico la matrice, i punti in comune con la favola iniziale.
3. Filtraggio collaborativo: predittori della valutazione su un item basato sul comportamento passato. Vengono prese cose che profili simili hanno selezionato [1. Prendi utente A, 2. Prendi utente B, simile ad A, 3. Raccomanda ad A gli item raccomandati a B]. Somma score di similarità rispetto alle cose che hai guardato + filtering score [profili simili hanno guardato] + ciò che è di tendenza = probabilità che Youtube ci raccomandi un determinato video.
Domande da interrogazione
- Qual è il ruolo delle banche nella tradizionale gestione della moneta rispetto alla moneta distribuita?
- In che modo Bitcoin è associato al crimine e quali sono le difficoltà per i delinquenti?
- Quali sono i principali tipi di motori di raccomandazione e come funzionano?
Le banche fungono da intermediari fidati che garantiscono la restituzione dei soldi, mentre nella moneta distribuita, come il Bitcoin, la fiducia è sostituita da algoritmi di blockchain che registrano automaticamente tutti i pagamenti, senza la necessità di un'autorità centrale.
Bitcoin è spesso utilizzato per attività illecite poiché consente di nascondere il valore guadagnato in asset come arte e immobili, senza un'autorità che controlli la blockchain, rendendo difficile il tracciamento dei pagamenti.
I motori di raccomandazione si dividono in tre categorie: 1) Simple recommenders, che analizzano le vendite per suggerire i migliori item; 2) Content-Based Recommenders, che segmentano gli item in variabili descrittive; 3) Filtraggio collaborativo, che raccomanda item basandosi sul comportamento di utenti simili.
Accedi a tutti gli appunti
Tutor AI: studia meglio e in meno tempo
