آموزش مبانی موتور توصیه‌گر - Recommendation Engine - آخرین آپدیت

دانلود Recommendation Engine - Basics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: این دوره عملی، دانشجویان را در تمام مراحل چرخه ساخت یک سیستم توصیه‌گر فیلم با استفاده از زبان پایتون راهنمایی می‌کند. دوره با یک بررسی مفهومی از موتورهای توصیه‌گر و تکنیک‌های فیلترینگ مشارکتی (Collaborative Filtering) آغاز می‌شود تا کاربران بتوانند کاربردهای واقعی این سیستم‌ها را شناسایی کرده و نحوه شخصی‌سازی پلتفرم‌ها توسط آن‌ها را درک کنند. در ادامه، مراحل نصب محیط توسعه با استفاده از Anaconda و آماده‌سازی مجموعه داده‌ها (Dataset) آموزش داده می‌شود تا شرکت‌کنندگان بتوانند داده‌ها را به‌طور بهینه سازماندهی، پیکربندی و مدیریت کنند. با بهره‌گیری از کتابخانه Surprise، دانشجویان مدل‌های یادگیری ماشین را پیاده‌سازی کرده، عملکرد آن‌ها را با استفاده از تکنیک‌های اعتبار‌سنجی متقاطع (Cross-Validation) از جمله معیارهای RMSE و MAE ارزیابی کرده و دقت پیش‌بینی‌ها را تحلیل می‌کنند. همچنین در این دوره، توابع پایتون برای ایجاد پیش‌بینی‌های شخصی‌سازی شده فیلم‌ها نوشته شده و تجربه عملی در ارزیابی مدل، منطق پیش‌بینی و مدیریت تکرارکننده‌ها با ابزارهایی مانند islice کسب خواهد شد. در پایان دوره، کاربران قادر خواهند بود مجموعه داده‌ها را تحلیل کرده، الگوریتم‌ها را پیاده‌سازی کنند و ویژگی‌های پیش‌بین را به صورت بهینه و بازتولیدپذیر مستقر نمایند. از طریق کدنویسی تعاملی و تمرین‌های گام‌به‌گام، دانشجویان راهکارهای توصیه‌گری را تحلیل و خلق می‌کنند که در جریان‌های کاری واقعی علم داده (Data Science) قابل اجرا باشد.

سرفصل ها و درس ها