آموزش سیستم های پیشنهادی با TensorFlow در GCP

بررسی اجمالی سیستم های پیشنهادی Recommendation Systems Overview

• مقدمه Introduction

• شروع کار با GCP و Qwiklabs Getting started with GCP and Qwiklabs

• مقدمه Introduction

• انواع سیستم های توصیه Types of Recommendation Systems

• محتوا محور یا مشارکتی Content-Based or Collaborative

• مشکلات سیستم توصیه شده Recommendation System Pitfalls

• بحث Discussion

سیستم های پیشنهادی مبتنی بر محتوا Content-Based Recommendation Systems

• سیستم های پیشنهادی مبتنی بر محتوا Content-Based Recommendation Systems

• اقدامات شباهت Similarity Measures

• ساخت بردار کاربر Building a User Vector

• پیشنهادات با استفاده از بردار کاربر Making Recommendations Using a User Vector

• پیشنهادات برای بسیاری از کاربران Making Recommendations for Many Users

• مقدمه آزمایشگاه: یک سیستم توصیه مبتنی بر محتوا ایجاد کنید Lab intro: Create a Content-Based Recommendation System

• آزمایشگاه: فیلتر محتوا با دست Lab: Content-Based Filtering by Hand

• راه حل آزمایشگاهی: یک سیستم توصیه مبتنی بر محتوا ایجاد کنید Lab Solution:Create a Content-Based Recommendation System

• استفاده از شبکه های عصبی برای سیستم های توصیه مبتنی بر محتوا Using Neural Networks for Content-Based Recommendation Systems

• Intro Lab: با استفاده از شبکه عصبی ، یک سیستم توصیه مبتنی بر محتوا ایجاد کنید Lab Intro: Create a Content-Based Recommendation System Using a Neural Network

• آزمایشگاه: فیلتر مبتنی بر محتوا با استفاده از شبکه های عصبی Lab: Content-Based Filtering using Neural Networks

• راه حل آزمایشگاهی: با استفاده از شبکه عصبی سیستم پیشنهادی مبتنی بر محتوا ایجاد کنید Lab Solution:Create a Content-Based Recommendation System Using a Neural Network

سیستم های توصیه شده فیلتراسیون همکار COLLABORATIVE FILTERING RECOMMENDATION SYSTEMS

• انواع داده های بازخورد کاربر Types of User Feedback Data

• جاسازی کاربران و موارد Embedding Users and Items

• رویکردهای فاکتورسازی Factorization Approaches

• الگوریتم ALS The ALS Algorithm

• آماده سازی داده های ورودی برای ALS Preparing Input Data for ALS

• ایجاد حسگرهای پراکنده برای ورودی کارآمد WALS Creating Sparse Tensors For Efficient WALS Input

• ایجاد برآوردگر WALS: از ورودی به برآوردگر Instantiating a WALS Estimator:From Input to Estimator

• تهیه برآوردگر WAL: رمزگشایی TFRecords Instantiating a WAL Estimator:Decoding TFRecords

• ایجاد برآوردگر WALS: بازیابی کلیدها Instantiating a WALS Estimator:Recovering Keys

• ایجاد یک برآوردگر WALS: آموزش و پیش بینی Instantiating a WALS Estimator:Training and Prediction

• معرفی آزمایشگاه: فیلتر کردن مشارکتی با داده های Google Analytics Lab Intro:Collaborative Filtering with Google Analytics Data

• آزمایشگاه: فیلتر کردن مشارکتی بر روی داده های Google Analytics Lab: Collaborative Filtering on Google Analytics data

• راه حل آزمایشگاهی: فیلتر کردن مشارکتی با داده های Google Analytics Lab Solution:Collaborative Filtering with Google Analytics Data

• مشکلات مربوط به فیلتر کردن مشارکتی Issues with Collaborative Filtering

• نسخه ی نمایشی WALS تولید شده است Productionized WALS Demo

• سرد شروع می شود Cold Starts

شبکه های عصبی برای سیستم های توصیه Neural Networks for Recommendation Systems

• سیستم های پیشنهادی ترکیبی Hybrid Recommendation Systems

• آزمایشگاه: طراحی سیستم توصیه ترکیبی Lab:Designing a Hybrid Recommendation System

• آزمایشگاه: طراحی سیستم پیشنهادی فیلترهای مشترک ترکیبی Lab:Designing a Hybrid Collaborative Filtering Recommendation System

• آزمایشگاه: طراحی یک سیستم توصیه مبتنی بر دانش ترکیبی Lab:Designing a Hybrid Knowledge-based Recommendation System

• Intro Lab: ساخت سیستم توصیه های ترکیبی شبکه عصبی Lab Intro: Building a Neural Network Hybrid Recommendation System

• آزمایشگاه: سیستم پیشنهادی ترکیبی شبکه عصبی در Google Analytics Lab: Neural network hybrid recommendation system on Google Analytics

• راه حل آزمایشگاهی: ساخت یک سیستم توصیه ترکیبی شبکه عصبی Lab Solution:Building a Neural Network Hybrid Recommendation System

• زمینه های توصیه سیستم های آگاه Context-Aware Recommendation Systems

• الگوریتم های آگاه از زمینه Context-Aware Algorithms

• فیلترینگ پس زمینه Contextual Postfiltering

• مدل سازی با استفاده از الگوریتم های آگاه از زمینه Modeling Using Context-Aware Algorithms

• مطالعه موردی سیستم توصیه های YouTube: بررسی اجمالی YouTube Recommendation System Case Study:Overview

• مطالعه موردی سیستم توصیه های YouTube: تولید کاندیداها YouTube Recommendation System Case Study:Candidate Generation

• مطالعه موردی سیستم توصیه های YouTube: رتبه بندی YouTube Recommendation System Case Study:Ranking

• خلاصه Summary

ساخت یک سیستم توصیه از پایان به پایان Building an End-to-End Recommendation System

• مقدمه Introduction

• بررسی اجمالی معماری Architecture Overview

• بررسی اجمالی آهنگساز ابر Cloud Composer Overview

• آهنگساز ابر: DAGs Cloud Composer:DAGs

• Cloud Composer: اپراتورهای ML Cloud Composer:Operators for ML

• آهنگساز ابر: برنامه ریزی Cloud Composer:Scheduling

• آهنگساز Cloud: راه اندازی گردش کار با عملکردهای Cloud Cloud Composer:Triggering Workflows with Cloud Functions

• آهنگساز ابر: نظارت و ورود به سیستم Cloud Composer:Monitoring and Logging

• معرفی آزمایشگاه: سیستم توصیه از پایان به پایان Lab Intro: End-to-End Recommendation System

• آزمایشگاه: سیستم پیشنهادی پایان به انتها Lab: End to End Recommendation System

خلاصه Summary

• خلاصه دوره 1 Course Summary 1

• خلاصه دوره 2 Course Summary 2