آموزش رتبه‌بندی مجدد، یادگیری چندوظیفه‌ای و سیستم‌های توصیه‌گر مولد (Generative RecSys) - آخرین آپدیت

دانلود Re-Ranking, Multi-Task Learning & Generative RecSys

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: رتبه‌بندی تنها به معنای امتیازدهی دقیق به کاندیدها نیست. سیستم‌های توصیه‌گر در محیط عملیاتی باید بین اهداف متضاد تعاملی تعادل برقرار کنند، محدودیت‌های تجاری را اعمال نمایند و از هوش مصنوعی مولد برای ارائه نتایج مرتبط، منصفانه و متنوع استفاده کنند. این دوره به شما می‌آموزد تا مراحل نهایی رتبه‌بندی را با استفاده از معماری‌های چندوظیفه‌ای (Multi-task)، لایه‌های پس‌پردازش رتبه‌بندی مجدد و خط لوله‌های تقویت‌شده با LLM بهینه کنید. شما معماری‌های MMoE و PLE را در PyTorch طراحی خواهید کرد تا تداخل وظایف را در اهداف تعاملی مانند ذخیره‌سازی (Saves)، زمان توقف (Dwell Time) و اشتراک‌گذاری (Shares) ایزوله کنید. همچنین از MMR و بهینه‌سازی بیزی برای اعمال محدودیت‌های تنوع، تازگی و عدالت در نمایش تولیدکنندگان محتوا استفاده خواهید کرد. علاوه بر این، با ارجاع به اصول 360Brew لینکدین، معماری‌های پروکسی توصیه‌گر مولد را با استفاده از Embeddingهای Azure OpenAI و رتبه‌بندهای LLM با روش‌های Zero-shot و Few-shot خواهید ساخت. این دوره برای مهندسان ارشد یادگیری ماشین و مهندسان پلتفرم توصیه‌گر که مسئول بهینه‌سازی پس از رتبه‌بندی، امتیازدهی چندهدفه و یکپارچه‌سازی خط لوله LLM هستند، طراحی شده است. پیش‌نیاز این دوره تسلط بر Python، PyTorch و معیارهای اصلی ارزیابی رتبه‌بندی است.

سرفصل ها و درس ها

رتبه‌بندی مجدد: قوانین تجاری و تنوع Re-Ranking: Business Rules & Diversity

  • مرحله نهایی: چرا رتبه‌بندی مجدد اهمیت دارد The Final Mile: Why Re-Ranking Matters

رتبه‌بندی مجدد: عدالت و سوگیری در نمایش Re-Ranking: Fairness & Exposure Bias

  • محدودیت‌های عدالت در پس‌پردازش Fairness Constraints in Post-Processing

معماری چندوظیفه‌ای: MMoE و PLE Multi-Task Arch: MMoE & PLE

  • تهدید انتقال منفی (Negative Transfer) The Threat of Negative Transfer

معماری چندوظیفه‌ای: امتیازدهی ترکیبی Multi-Task Arch: Composite Scoring

  • امتیازدهی ترکیبی و وزن‌دهی پویا Composite Scoring and Dynamic Weighting

توصیه‌گرهای مولد و تقویت‌شده با LLM LLM-Augmented & Generative Recommendation

  • تغییر معنایی در سیستم‌های توصیه‌گر The Semantic Shift in RecSys

ارزیابی پروکسی‌های مدل‌های پایه Evaluating Foundation Model Proxies

  • پروکسی‌های رتبه‌بندی مبتنی بر Decoder-Only Decoder-Only Ranking Proxies

ماژول GenAI: رتبه‌بندی مولد با کمک هوش مصنوعی GenAI Module: AI-Assisted Generative Ranking

ماژول پروژه: موتور رتبه‌بندی مجدد معنایی و چندهدفه Project Module: Multi-Objective & Semantic Re-Ranking Engine

نمایش نظرات

آموزش رتبه‌بندی مجدد، یادگیری چندوظیفه‌ای و سیستم‌های توصیه‌گر مولد (Generative RecSys)
جزییات دوره
8h 11m
6
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
Microsoft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar