لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش سیستمهای توصیهگر: رویکردی کاربردی با استفاده از یادگیری عمیق
- آخرین آپدیت
دانلود Recommender Systems: An Applied Approach using Deep Learning
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است!
روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
سیستمهای توصیهگر (Recommender Systems) در زمینههای مختلفی کاربرد دارند؛ از مثالهای رایج میتوان به تولیدکنندههای لیست پخش برای سرویسهای ویدئویی و موسیقی، توصیهگر محصولات برای فروشگاههای آنلاین و پلتفرمهای رسانههای اجتماعی و توصیهگر محتوای وب اشاره کرد. همچنین سیستمهای توصیهگر برای جستجوی مقالات پژوهشی، یافتن متخصصان، همکاران و خدمات مالی توسعه یافتهاند.
این دوره با معرفی مفاهیم یادگیری عمیق برای توسعه سیستمهای توصیهگر و مرور کلی دوره آغاز میشود. سپس به موضوعاتی از جمله یادگیری عمیق برای سیستمهای توصیهگر، درک مزایا و معایب یادگیری عمیق، استنتاج توصیهها و رویکرد توصیهگر مبتنی بر یادگیری عمیق میپردازد. در ادامه، فیلترینگ مشارکتی عصبی (Neural Collaborative Filtering) را بررسی کرده و نحوه ساخت یک پروژه بر اساس سیستم توصیهگر محصولات آمازون را خواهید آموخت. شما یاد میگیرید که پکیجهای مورد نیاز را نصب کنید، دادهها را برای توصیههای محصول تحلیل و آماده کنید و مدل را با استفاده از رویکرد دو-برجی (Two-Tower) توسعه دهید.
شما پیادهسازی یک TensorFlow Recommender و تست مدل توصیهگر را خواهید آموخت و با استفاده از سیستم ساخته شده، پیشبینیها را انجام خواهید داد. پس از اتمام دوره، میتوانید مفاهیم و تئوریهای سیستمهای توصیهگر را در دامنههای مختلف به کار ببرید و مدلهای یادگیری عمیق را برای ساخت سیستمهای توصیهگر واقعی پیادهسازی کنید.
این دوره برای افرادی طراحی شده است که به دنبال ارتقای مهارتهای خود در یادگیری عمیق کاربردی، درک رابطه تحلیل دادهها با یادگیری عمیق، ساخت سیستمهای توصیهگر سفارشی برای برنامههای خود و پیادهسازی الگوریتمهای یادگیری عمیق هستند. پیشنیازهای این دوره شامل دانش مقدماتی تا متوسط از زبان برنامهنویسی پایتون و کتابخانه Pandas است.
سرفصل ها و درس ها
مقدمه
Introduction
درباره مدرس
About the Instructor
سرفصلهای دوره
Course Outline
مبانی یادگیری عمیق برای سیستمهای توصیهگر
Deep Learning Foundation for Recommender Systems
معرفی ماژول
Module Introduction
مرور کلی
Overview
یادگیری عمیق در سیستمهای توصیهگر
Deep Learning in Recommender Systems
استنتاج پس از آموزش
Inference after Training
مکانیزم استنتاج
Inference Mechanism
Embeddingها و بافت کاربر (User Context)
Embeddings and User Context
نمایش نظرات