soilent

soilent hat sich auf moviepilot angemeldet und hat schon unglaubliche 1406 Filme bewertet und legendäre 382 Kommentare geschrieben. Möchte herausfinden wie gut Ähnlichkeitsalgorithmen Vorhersagen zu meinem Filmgeschmack treffen können. ✪ Vorläufiges Ergebnis: Geheimtipps kann man so nicht finden! Klassiker, Blockbuster und bestimmte Kultfilme werden vorgeschlagen. ✪ Die Bewertungen werden nutzerspezifisch, meist nur für gute Filme vergeben - 6,74 ist mp-Durchschnitt. soilent nutzt folgende Wertungen: ✪ 0 = Warum wird so ein Dreck produziert! ✪ 1 = schlecht. ✪ 2 = Es gibt schlimmere Filme - aber nur wenige ✪ 3 = Zu gut um schlecht zu sein. ✪ 4 = Verstehe warum andere Menschen den Film mögen ✪ 5 = Würde ich zufällig im Fernsehen angucken ✪ 6 = Für manche ein Kultfilm für mich nicht ganz ✪ 7 = Unterhaltsam - zeige ich gerne Freunden ✪ 8 = Sehr unterhaltsam, mehrmals schauen ✪ 9 = Sehr besonderer Film! (für mich) ✪ 10 = Einzigartig in meiner Filmbiografie einst bahnbrechend Mehr


Filme, die soilent mir empfehlen würde

Filme, die soilent hoch bewertet hat und die du wahrscheinlich noch nicht kennst.

Ich bin Kuba Ich bin Kuba Russland/Kuba · 1964
Menschen am Sonntag Menschen am Sonntag Deutschland · 1930
Wenn der Wind weht Wenn der Wind weht Großbritannien · 1986
Ein andalusischer Hund Ein andalusischer Hund Frankreich · 1929

Alle Filmempfehlungen von soilent

Gästebucheinträge

  • Hallo :)

    1
    • Gerne angenommen!

      Bin mal gespannt, inwiefern du mich neu inspirieren kannst... ;)

      1
        • Welche Berufsgruppen werden in Filmen dargestellt?

          - Police Officers 10,5%
          - Actors, Designers, Photographers 7,7%
          - Soldiers 6,3%
          - Criminals 6,1%
          - Small Business Owners 4,8%
          - Product Moving, Delivery, & Transportation 3,6%
          - Political Officials, Legislators, Leaders 3,2%
          - Others 50,6%

          Daten-Quelle: https://bit.ly/2B0zNNw

          • soilent 23.09.2018, 23:13 Geändert 24.09.2018, 00:18

            Gute Filmempfehlungen brauchen keine Quantencomputer

            "In 2016 the computer scientists Iordanis Kerenidis and Anupam Prakash published a quantum algorithm that solved the recommendation problem exponentially faster than any known classical algorithm. They achieved this quantum speedup in part by simplifying the problem: Instead of filling out the entire matrix and identifying the single best product to recommend, they developed a way of sorting users into a small number of categories — do they like blockbusters or indie films? [...] good enough.[...] Like Kerenidis and Prakash’s algorithm, Tang’s algorithm ran in polylogarithmic time — meaning the computational time scaled with the logarithm of characteristics like the number of users and products in the data set — and was exponentially faster than any previously known classical algorithm. [...] For quantum computing, Tang’s result is a setback. Or not. Tang has eliminated one of the clearest, best examples of a quantum advantage."

            ...sondern gute Algorithmen.

            Quelle: https://bit.ly/2OxXgbG

            • Gerne angenommen.
              Wie komme ich zu der Ehre? ;)

              • Filme die ihr über iTunes kauft, gehören euch nicht...
                Apple entfernt ohne Vorwarnung bereits gekaufte iTunes-Filme

                https://bit.ly/2QANKWr

                • 2,6k Freunde bei nur 1,4k bewerteten Filmen? Du setzt falsche Prioritäten, Bruder :D Natürlich gerne angenommen nonetheless.
                  MfG

                  1
                  • soilent 07.09.2018, 18:25 Geändert 07.09.2018, 18:27

                    https://bit.ly/1cJVSed

                    "Watch 1,150 movies free online. Includes classics, indies, film noir, documentaries and other films, created by some of our greatest actors, actresses and directors."

                    ⁿᵒᵗᵉ ᵗᵒ ˢᵉˡᶠ ²⁷⁶

                    • soilent 26.08.2018, 12:53 Geändert 26.08.2018, 13:02

                      Weapons of math destruction
                      https://bit.ly/2BNyTnT

                      "The algorithm learns whatever it learns. The reality is, professionally, I only look under the hood when it goes wrong. And it can be physically impossible to understand what has actually happened. [...] The algorithm had produced a kind of reality, really – one that we make decisions from, that can even change our lives. [...] The whole algorithm is full of parameters that could have been something else. [...] The preferences you see online – the news you read, the products you view, the adverts that appear – are all dependent on values that don’t necessarily have to be what they are. They are not true, they’ve just passed minimum evaluation criteria. [...] So far, these machine learning algorithms have mostly been used in, y’know, recommendations, the online world. And I would say that these types of domains are low stakes. You might get a bad ad. You have a bad Friday night because you’ve watched the wrong movie."

                      "We don’t want an optimal algorithm. We want one simple enough that an expert can look at it and say nothing crazy is happening here."

                      Also mp, zeig her deinen Algo!