آموزش ساخت سیستم‌های توصیه‌گر با یادگیری ماشین و هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

شروع کار Getting Started

• نصب آناکوندا، مطالب دوره و ایجاد توصیه‌های فیلم Installing Anaconda, Course Materials, and Creating Movie Recommendations

• نقشه راه دوره Course Roadmap

• سیستم توصیه‌گر چیست؟ What Is a Recommender System?

• انواع سیستم‌های توصیه‌گر Types of Recommenders

• درک رتبه‌بندی‌های ضمنی و صریح Understanding the Implicit and Explicit Ratings

• معماری توصیه‌گر Top N Top-N Recommender Architecture

• مرور مبانی سیستم توصیه‌گر Review the Basics of a Recommender System

مقدمه‌ای بر پایتون Introduction to Python

• مبانی پایتون (فعالیت) The Basics of Python (Activity)

• ساختارهای داده در پایتون Data Structures in Python

• توابع در پایتون Functions in Python

• مقادیر بولی، حلقه‌ها و چالش عملی (تمرین) Booleans, Loops, and a Hands-on Challenge (Exercise)

ارزیابی سیستم توصیه‌گر Evaluating a Recommender System

• اعتبارسنجی متقاطع و تقسیم داده‌ها به آموزش/تست Train/Test and Cross-Validation

• معیارهای دقت با استفاده از RMSE و MAE Accuracy Metrics Using Root Mean Squared Error (RMSE) and Mean Absolute Error (MAE)

• نرخ命中 (Hit Rate) برای Top N به روش‌های مختلف Top-N Hit Rate - Many Ways

• پوشش، تنوع و نوآوری Coverage, Diversity, and Novelty

• نرخ ریزش، پاسخگویی و تست‌های A/B Churn, Responsiveness, and A/B Tests

• مرور روش‌های اندازه‌گیری توصیه‌گر (آزمون) Reviewing Ways to Measure Your Recommender (Quiz)

• بررسی کد RecommenderMetrics.py (فعالیت) Walkthrough of RecommenderMetrics.py (Activity)

• بررسی کد TestMetrics.py (فعالیت) Walkthrough of TestMetrics.py (Activity)

• اندازه‌گیری عملکرد توصیه‌های SVD (فعالیت) Measuring the Performance of Singular Value Decomposition (SVD) Recommendations (Activity)

چارچوب موتور توصیه‌گر A Recommender Engine Framework

• معماری موتور توصیه‌گر Recommender Engine Architecture

• بررسی گام‌به‌گام موتور توصیه‌گر - بخش اول (فعالیت) Recommender Engine Walkthrough - Part 1 (Activity)

• بررسی گام‌به‌گام موتور توصیه‌گر - بخش دوم (فعالیت) Recommender Engine Walkthrough - Part 2 (Activity)

• بررسی نتایج ارزیابی الگوریتم (فعالیت) Reviewing the Results of Our Algorithm Evaluation (Activity)

فیلترینگ مبتنی بر محتوا Content-Based Filtering

• توصیه‌های مبتنی بر محتوا و معیار شباهت کسینوسی Content-Based Recommendations and the Cosine Similarity Metric

• الگوریتم K-نزدیک‌ترین همسایه (KNN) و توصیه‌های محتوایی K-Nearest-Neighbors (KNN) and Content Recommendations

• تولید و ارزیابی توصیه‌های فیلم مبتنی بر محتوا (فعالیت) Producing and Evaluating Content-Based Movie Recommendations (Activity)

• نکاتی در مورد استفاده از رتبه‌بندی‌های ضمنی A Note on Using Implicit Ratings

• هشدار تکنولوژی نو! توصیه‌های Mise En Scene (فعالیت) Bleeding Edge Alert! Mise-En-Scene Recommendations (Activity)

• بررسی عمیق توصیه‌های مبتنی بر محتوا (تمرین) Diving Deep into Content-Based Recommendations (Exercise)

فیلترینگ مشارکتی مبتنی بر همسایگی Neighborhood-Based Collaborative Filtering

• اندازه‌گیری شباهت و پراکندگی (Sparsity) Measuring Similarity and Sparsity

• معیارهای شباهت Similarity Metrics

• فیلترینگ مشارکتی کاربر-محور User-Based Collaborative Filtering

• پیاده‌سازی عملی فیلترینگ مشارکتی کاربر-محور (فعالیت) User-Based Collaborative Filtering - Hands-On (Activity)

• فیلترینگ مشارکتی آیتم-محور Item-Based Collaborative Filtering

• پیاده‌سازی عملی فیلترینگ مشارکتی آیتم-محور (فعالیت) Item-Based Collaborative Filtering - Hands-On (Activity)

• تنظیم الگوریتم‌های فیلترینگ مشارکتی (تمرین) Tuning Collaborative Filtering Algorithms (Exercise)

• ارزیابی آفلاین سیستم‌های فیلترینگ مشارکتی (فعالیت) Evaluating Collaborative Filtering Systems Offline (Activity)

• اندازه‌گیری نرخ Hit Rate در فیلترینگ مشارکتی آیتم-محور (تمرین) Measuring the Hit Rate of Item-based Collaborative Filtering (Exercise)

• توصیه‌گرهای K-نزدیک‌ترین همسایه (KNN) K-Nearest-Neighbor (KNN) Recommenders

• اجرای KNN کاربر-محور و آیتم-محور روی مجموعه داده MovieLens (فعالیت) Running User-Based and Item-Based K-Nearest-Neighbor (KNN) on MovieLens Dataset (Activity)

• آزمایش پارامترهای مختلف KNN (تمرین) Experimenting with Different K-Nearest-Neighbor (KNN) Parameters (Exercise)

• هشدار تکنولوژی نو! توصیه‌های مبتنی بر ترجمه Bleeding Edge Alert! Translation-Based Recommendations

متدهای تجزیه ماتریسی Matrix Factorization Methods

• تحلیل مؤلفه‌های اصلی (PCA) Principal Component Analysis (PCA)

• تجزیه مقدار مفرد (SVD) Singular Value Decomposition (SVD)

• اجرای SVD و SVD++ روی MovieLens (فعالیت) Running Singular Value Decomposition (SVD) and Singular Value Decomposition (SVD ++) on MovieLens (Activity)

• بهبود روش تجزیه مقدار مفرد (SVD) Improving on Singular Value Decomposition (SVD)

• تنظیم هایپرپارامترهای SVD (تمرین) Tuning the Hyperparameters on Singular Value Decomposition (SVD) (Exercise)

• هشدار تکنولوژی نو! متدهای خطی پراکنده (SLIM) Bleeding-Edge Alert! Sparse Linear Methods (SLIM)

مقدمه‌ای بر یادگیری عمیق (اختیاری) Introduction to Deep Learning (Optional)

• مقدمه‌ای بر یادگیری عمیق Deep Learning Introduction

• پیش‌نیازهای یادگیری عمیق Deep Learning Prerequisites

• تاریخچه شبکه‌های عصبی مصنوعی (ANN) History of Artificial Neural Networks (ANN)

• کار با TensorFlow (فعالیت) (Activity) Playing with TensorFlow

• آموزش شبکه‌های عصبی Training Neural Networks

• تنظیم شبکه‌های عصبی (جلوگیری از Overfitting) Tuning Neural Networks (Avoiding Overfitting)

• توابع فعال‌ساز: بررسی عمیق‌تر Activation Functions: More Depth

• مقدمه‌ای بر TensorFlow Introduction to TensorFlow

• تشخیص دست‌خط با TensorFlow - بخش اول (فعالیت) Handwriting Recognition with TensorFlow - Part 1 (Activity)

• تشخیص دست‌خط با TensorFlow - بخش دوم (فعالیت) Handwriting Recognition with TensorFlow - Part 2 (Activity)

• مقدمه‌ای بر Keras Introduction to Keras

• تشخیص دست‌خط با Keras (فعالیت) Handwriting Recognition with Keras (Activity)

• الگوهای طبقه‌بندی با Keras Classifier Patterns with Keras

• پیش‌بینی حزب سیاسی سیاستمداران با Keras (تمرین) Predicting Political Parties of Politicians with Keras (Exercise)

• مقدمه‌ای بر شبکه عصبی کانولوشنال (CNN) Introduction to Convolutional Neural Network (CNN)

• معماری شبکه عصبی کانولوشنال (CNN) Convolutional Neural Network (CNN) Architecture

• تشخیص دست‌خط با CNN (فعالیت) Handwriting Recognition with Convolutional Neural Network (CNN) (Activity)

• مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN) Introduction to Recurrent Neural Networks (RNN)

• آموزش شبکه‌های عصبی بازگشتی (RNN) Training Recurrent Neural Networks (RNN)

• تحلیل احساسات نظرات فیلم با RNN و Keras (فعالیت) Sentiment Analysis of Movie Reviews Using Recurrent Neural Networks (RNN) and Keras (Activity)

• تنظیم شبکه‌های عصبی Tuning Neural Networks

• تکنیک‌های منظم‌سازی (Regularization) شبکه عصبی Neural Network Regularization Techniques

• شبکه‌های مولد رقابتی (GANs) Generative Adversarial Networks (GANs)

• GANها در عمل GANs in Action

• تولید تصاویر لباس با استفاده از GANها (فعالیت) Generating Images of Clothing with Generative Adversarial Networks (Activity)

یادگیری عمیق برای سیستم‌های توصیه‌گر Deep Learning for Recommender Systems

• مقدمه‌ای بر یادگیری عمیق برای سیستم‌های توصیه‌گر Introduction to Deep Learning for Recommenders

• ماشین بولتزمن محدود (RBM) Restricted Boltzmann Machine (RBM)

• توصیه‌ها با RBM - بخش اول (فعالیت) Recommendations with Restricted Boltzmann Machine (RBM) - Part 1 (Activity)

• توصیه‌ها با RBM - بخش دوم (فعالیت) Recommendations with Restricted Boltzmann Machine (RBM) - Part 2 (Activity)

• ارزیابی توصیه‌گر RBM (فعالیت) Evaluating the Restricted Boltzmann Machine (RBM) Recommender (Activity)

• تنظیم ماشین بولتزمن محدود (تمرین) Tuning Restricted Boltzmann Machine (RBM) (Exercise)

• نتایج تمرین: تنظیم توصیه‌گر RBM Exercise Results: Tuning a Restricted Boltzmann Machine (RBM) Recommender

• اتوانکودرها برای توصیه‌ها: یادگیری عمیق در توصیه Auto-Encoders for Recommendations: Deep Learning for Recommendation

• توصیه‌ها با شبکه‌های عصبی عمیق (فعالیت) Recommendations with Deep Neural Networks (Activity)

• توصیه‌های Clickstream با شبکه‌های عصبی بازگشتی (RNN) Clickstream Recommendations with Recurrent Neural Networks (RNN)

• راه‌اندازی GRU4Rec روی سیستم شخصی (تمرین) Getting GRU4Rec to Work on Your Desktop (Exercise)

• نتایج تمرین: GRU4Rec در عمل Exercise Results: GRU4Rec in Action

• هشدار تکنولوژی نو! GANها برای سیستم‌های توصیه‌گر Bleeding Edge Alert! Generative Adversarial Networks for Recommendations

• TensorFlow Recommenders (TFRS): مقدمه و ساخت مرحله بازیابی TensorFlow Recommenders (TFRS): Introduction and Building a Retrieval Stage

• TensorFlow Recommenders (TFRS): ساخت مرحله رتبه‌بندی TensorFlow Recommenders (TFRS): Building a Ranking Stage

• TensorFlow Recommenders (TFRS): ادغام ویژگی‌های جانبی و بازیابی عمیق TensorFlow Recommenders (TFRS): Incorporating Side Features and Deep Retrieval

• TensorFlow Recommenders (TFRS): توصیه‌گرهای چندوظیفه‌ای، شبکه‌های عمیق و متقاطع، ScaNN و سرویس‌دهی TensorFlow Recommenders (TFRS): Multi-Task Recommenders, Deep and Cross Networks, ScaNN, and Serving

• هشدار تکنولوژی نو! ماشین‌های تجزیه عمیق Bleeding Edge Alert! Deep Factorization Machines

• بررسی سایر تکنولوژی‌های نوظهور More Emerging Tech to Watch

مقیاس‌پذیری سیستم Scaling It Up

• مقدمه و نصب Apache Spark (فعالیت) Introduction and Installation of Apache Spark (Activity)

• معماری Apache Spark Apache Spark Architecture

• توصیه‌های فیلم با Spark، تجزیه ماتریسی و ALS (فعالیت) Movie Recommendations with Spark, Matrix Factorization, and Alternating Least Squares (ALS) (Activity)

• توصیه‌ها از میان ۲۰ میلیون رتبه با Spark (فعالیت) Recommendations from 20 Million Ratings with Spark (Activity)

• موتور شبکه تنسور پراکنده مقیاس‌پذیر عمیق آمازون (DSSTNE) Amazon Deep Scalable Sparse Tensor Network Engine (DSSTNE)

• موتور DSSTNE آمازون در عمل Amazon Deep Scalable Sparse Tensor Network Engine (DSSTNE) in Action

• مقیاس‌بندی موتور DSSTNE آمازون Scaling Up Amazon Deep Scalable Sparse Tensor Network Engine (DSSTNE)

• سرویس AWS SageMaker و ماشین‌های تجزیه Amazon Web Services (AWS) SageMaker and Factorization Machines

• SageMaker در عمل: ماشین‌های تجزیه روی یک میلیون رتبه در ابری Amazon SageMaker in Action: Factorization Machines on One Million Ratings in the Cloud

• سایر سیستم‌های قابل توجه (Amazon Personalize, RichRelevance, Recombee و غیره) Other Systems of Note (Amazon Personalize, RichRelevance, Recombee, and More)

• معماری سیستم توصیه‌گر Recommender System Architecture

چالش‌های دنیای واقعی در سیستم‌های توصیه‌گر Real-World Challenges of Recommender Systems

• مشکل شروع سرد (Cold Start) و راهکارهای آن The Cold Start Problem (and Solutions)

• پیاده‌سازی اکتشاف تصادفی (تمرین) Implementing Random Exploration (Exercise)

• پاسخ تمرین: اکتشاف تصادفی Exercise Solution - Random Exploration

• لیست‌های توقف (Stoplists) Stoplists

• پیاده‌سازی یک Stoplist (تمرین) Implementing a Stoplist (Exercise)

• پاسخ تمرین: پیاده‌سازی Stoplist Exercise Solution - Implementing a Stoplist

• حباب‌های فیلترینگ، اعتماد و داده‌های پرت (Outliers) Filtering Bubbles, Trust, and Outliers

• شناسایی و حذف کاربران پرت (تمرین) Identifying and Eliminating Outlier Users (Exercise)

• پاسخ تمرین: حذف داده‌های پرت Exercise Solution: Outlier Removal

• کلاهبرداری، خطرات Clickstream و نگرانی‌های بین‌المللی Fraud, the Perils of Clickstream, and International Concerns

• اثرات زمانی و توصیه‌های آگاه از ارزش Temporal Effects and Value-Aware Recommendations

مطالعات موردی Case Studies

• بررسی سیستم توصیه یوتیوب: چالش‌ها و راهکارهای یادگیری عمیق Exploring YouTube's Recommendation System: Challenges and Deep Learning Solutions

• چگونه یوتیوب از یادگیری عمیق برای رتبه‌بندی و توصیه ویدیوها استفاده می‌کند How YouTube Uses Deep Learning to Rank and Recommend Videos

• چگونه نتفلیکس از الگوریتم‌های ترکیبی برای توصیه‌های شخصی‌سازی شده استفاده می‌کند How Netflix Uses Hybrid Algorithms to Power Personalized Recommendations

• چگونه نتفلیکس از بافت (Context) و یادگیری ماشین برای بهبود توصیه‌ها استفاده می‌کند How Netflix Uses Context and Machine Learning to Refine Recommendations

رویکردهای ترکیبی (Hybrid) Hybrid Approaches

• توصیه‌گرهای ترکیبی و تمرین Hybrid Recommenders and Exercise

• پاسخ تمرین: توصیه‌گرهای ترکیبی Exercise Solution: Hybrid Recommenders

جمع‌بندی Wrapping Up

• مطالب بیشتر برای بررسی More to Explore