آموزش سیستم های پیشنهادی با TensorFlow در GCP

Recommendation Systems with TensorFlow on GCP

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: در این دوره ، شما دانش خود را در مورد مدل های طبقه بندی و جاسازی ها برای ساخت یک خط لوله ML که به عنوان یک موتور توصیه کار می کند ، اعمال می کنید. در این دوره ، شما دانش خود را در مورد مدل های طبقه بندی و تعبیه ها برای ساخت یک خط لوله ML استفاده می کنید که به صورت زیر عمل می کند: یک موتور توصیه

سرفصل ها و درس ها

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

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش سیستم های پیشنهادی با TensorFlow در GCP
جزییات دوره
6h 46m
62
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.