Vad betyder algorithms

Det är också en algoritm som, baserat på insamlade Facebook-data, gör en avgörande skillnad vilka annonser som visas i din kanal. Vad som visas i ditt flöde beror på många saker, vilka är dina vänner, intressen, de grupper du är i och de geografiska platser du har besökt. Läs mer om hur algoritmer styr vad som visas på sociala medier här. I Internet Knowledge YouTube-serien Tracked möter en journalist Parisa Amiri-matematikern David Sumpter för att lära sig mer om algoritmer och sociala medier.

En algoritm är, inom matematiken och datavetenskapen, en ändlig uppsättning (mängd) otvetydiga instruktioner som efter exekvering löser ett problem.

Dessutom träffar hon VD för en marknadsföringsbyrå för att lära sig mer om hur algoritmer och data används i marknadsföringsarbetet. Instagram Facebook och Instagram är verkligen intressant att ta reda på varför och för vem vi gör det. Algoritmisk bias, trots att algoritmen är automatisk och utför databehandling utan mänsklig intervention, kan den visa genom vilken bakgrund och kultur den är programmerad mot.

Det vill säga de rådande värdena som finns i samhället kan styra hur algoritmen behandlar data. Ett exempel är tanken på nakenhet och hur Facebook ofta tar bort bilder av nakna kroppar. Detta kallas algoritmisk bias. Detta kan hända på grund av många faktorer. Några exempel är hur algoritmen är utformad, oavsiktlig eller oväntad användning eller beslut om hur data kodas, samlas in, väljs eller används för att träna algoritmen.

Algoritmisk partisk risk, vilket leder till förstärkning av sociala fördomar om ras, kön, sexualitet och etnicitet. Läs mer om algoritmer. Ett annat ord för beroende på algoritmens resurser är komplexitet. För att kunna följa algoritmerna på ett meningsfullt sätt är det viktigt att ange en beräkningsmodell som är rimlig för att lösa problemet. Om du vill implementera snabb multiplikation av stora tal kan du räkna antalet elementära tillägg och multiplikationer, medan någon som väljer mellan sorteringsalgoritmer förmodligen föredrar att räkna antalet utförda jämförelser.

För de allra flesta applikationer används random access machine-modellen idag, där alla minnesreferenser har samma enhetskostnad, och alla elementära operationer anses också vara samma kostnad. Hur många steg eller hur mycket minne algoritmen kräver skiljer sig åt för olika ingångar. Även med en enkel beräkningsmodell är det ofta ett oöverstigligt problem att uppskatta hur många operationer eller hur mycket minne en algoritm behöver, beräknat som en funktion av indexets storlek.

Därför bestäms det vanligtvis att diskutera algoritmens asymptotiska tid eller minneskomplexitet, det vill säga hur antalet steg ökar beroende på institutets storlek.

En instruktion som löser ett problem eller en uppgift kallas för en algoritm.

Förmodligen mest intresserad är algoritmens förväntade komplexitet. Tyvärr är detta ofta mycket svårt att studera och kräver också många antaganden om den inmatning du har. Vilken sannolikhetsfördelning ska multipliceras? En mer praktisk, och ofta mycket avslöjande, värsta fallanalys är när man tittar på hur komplexitet blir när man har de mest ogynnsamma omständigheterna.

Effektiviteten i den implementeringsrelaterade prestationsanalysen utvärderas på tre olika sätt: 1-algoritmen är den mest effektiva, som löser problemet på kortast möjliga tid.

För att mäta tid kan det därför vara nödvändigt att testa varje algoritm på en hel uppsättning olika problem och sedan utvärdera varje algoritm enligt hur den uppförde sig jämfört med andra. I ett datorsammanhang handlar det vanligtvis om hur mycket minne en algoritm använder för att lösa ett problem. Detta är vanligtvis, men inte alltid, likvärdigt med den mängd kod som används för att beskriva algoritmen.

Genom att utföra lämplig testning av olika algoritmer är det relativt enkelt att avgöra vilken av denna grupp av algoritmer som är mest effektiv när det gäller det första och andra kriteriet. Genom att analysera koden för varje algoritm kan du också bestämma vilken som är mest effektiv när det gäller det andra och tredje kriteriet. Naturligtvis är det bäst att visa att en viss algoritm är den mest effektiva i alla tre avseenden.

Det är dock mycket svårt att avgöra om en algoritm har utvecklat den mest effektiva av alla möjliga algoritmer. Även för mycket enkla algoritmer är sådana bevis så svåra att implementera att du vanligtvis måste nöja dig med det "bästa".