آموزش سیستم های توصیه کننده عملی برای برنامه های تجاری

سرفصل ها و درس ها

به دوره خوش آمدید Welcome To The Course

• دوره در مورد چیست What Is the Course About

• داده و کد Data and Code

• نصب پایتون Python Installation

• با محیط مشارکتی گوگل شروع کنید Start With Google Colaboratory Environment

• Google Colabs و GPU Google Colabs and GPU

• چرا سیستم های توصیه کننده؟ Why Recommender Systems?

مبانی پایتون برای علم داده Basics Of Python For Data Science

• آشنایی با پانداها Introduction to Pandas

• در چندین CSV بخوانید Read in Multiple CSVs

• در Data From SQL بخوانید Read in Data From SQL

• در فایل های JSON بخوانید Read in JSON Files

• در داده های متنی بخوانید Read in Text Data

• ارزیابی کیفیت داده ها Assess Data Quality

• پاکسازی داده های پایتون Python Data Cleaning

• گروه بندی داده ها Grouping Data

• خلاصه سازی و چرخش داده های بیشتر More Data Summarisations and Pivoting

• تجسم داده های پایه Basic Data Visualisations

• تجسم های بیشتر More Visualisations

• کاوش در بعد زمانی Exploring the Temporal Dimension

مفاهیم اولیه آماری Basic Statistical Concepts

• تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

• کاربرد عملی PCA Practical Application of PCA

• تئوری تجزیه بردار منفرد (SVD). Single Vector Decomposition (SVD)-Theory

• SVD را پیاده سازی کنید Implement SVD

• تئوری گرایش بدون نظارت Unsupervised Leaning-Theory

• K-means Clustering: Theory K-means Clustering: Theory

• شباهت کسینوس Cosine Similarity

• شباهت ژاکارد Jaccard Similarity

• مقدمه ای بر یادگیری تحت نظارت Introduction to Supervised Learning

• k-نزدیکترین همسایگان (kNN) - نظریه k-Nearest Neighbours (kNN)-Theory

موتورهای توصیه گر چیست؟ What Are Recommender Engines?

• انواع مختلف سیستم توصیه کننده Different Types of Recommender System

فیلتر کردن موتورهای توصیه کننده مبتنی بر Filtering Based Recommender Engines

• فاصله های اقلیدسی به عنوان مبنایی برای ارائه توصیه ها Euclidean Distances as a Basis of Making Recommendations

• استفاده از فاصله ها و SVD برای توصیه ها Using Distances and SVD For Recommendations

• چگونه ویژگی‌های جمعیتی می‌توانند به توصیه‌ها کمک کنند How Demographic Traits Can Help With Making Recommendations

• پردازش داده های پایه Basic Data Processing

• لیست نهایی فیلم ها Final List Of Movies

موتورهای توصیه کننده رایج Common Recommender Engines

• فیلتر بر اساس آیتم های پایه Basic Item Based Filtering

• سورپرایز برای فیلتر کردن بیشتر محتوا Surprise For More Content Filtering

• Hybrid Recommenders-LightFM Hybrid Recommenders-LightFM

• یک مشکل برای سیستم های توصیه کننده کلاسیک تنظیم کنید Set Up a Problem For Classical Recommender Systems

• فیلتر بر اساس محتوا Content Based Filtering

• فیلتر مشارکتی Collaborative Filtering

کار با داده های متنی Working With Text Data

• تئوری پاکسازی متن Theory of Text Cleaning

• تمیز کردن متن - قسمت 1 Text Cleaning-Part 1

• پاکسازی متن - قسمت 2 Text Cleaning-Part 2

• تمیز کردن مبتنی بر NTLK NTLK-Based Cleaning

• یکی دیگر از گردش کار مبتنی بر NTLK Another NTLK-Based Workflow

• Wordclouds چیست؟ What Are Wordclouds?

• ابرهای کلمه برای تم فیلم Word Clouds For Movie Themes

• TF-IDF: نظریه TF-IDF: Theory

• پیاده سازی عملی TF-IDF Practical TF-IDF Implementation

سیستم توصیه کننده مبتنی بر متن Text Based Recommender System

• فیلتر کردن بر اساس محتوا بر روی داده های متنی با شگفتی Content Based Filtering On Text Data With Surprise

• Word2Vec برای توصیه مورد اساسی Word2Vec For Basic Item Recommendation

• یک نوع دیگر One More Variant

• توصیه مبتنی بر Word2Vec - بر اساس موارد Word2Vec Based Recommendation- Based On Items

متفرقه Miscellaneous

• دیکشنری چیست؟ What Is a Dictionary?