آموزش سیستم‌های توصیه گر در گوگل کلاود (Google Cloud) - آخرین آپدیت

دانلود Recommendation Systems on Google Cloud

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، شما دانش خود را در زمینه مدل‌های طبقه‌بندی و جاسازی‌ها (Embeddings) به کار می‌گیرید تا یک خط لوله یادگیری ماشین (ML Pipeline) بسازید که به عنوان یک موتور توصیه گر عمل کند. این دوره، پنجمین و آخرین دوره از سری آموزش‌های پیشرفته یادگیری ماشین در گوگل کلاود است.

سرفصل ها و درس ها

خوش‌آمدگویی به دوره سیستم‌های توصیه گر در گوگل کلاود Welcome to Recommendation Systems on Google Cloud

  • خوش‌آمدگویی به دوره سیستم‌های توصیه گر در گوگل کلاود Welcome to Recommendation Systems on Google Cloud

مروری بر سیستم‌های توصیه گر Recommendation Systems Overview

  • مقدمه Introduction

  • انواع سیستم‌های توصیه گر Types of Recommendation Systems

  • مبتنی بر محتوا یا مشارکتی Content-Based or Collaborative

  • اشتباهات رایج در سیستم‌های توصیه گر Recommendation System Pitfalls

  • بحث و بررسی Discussion

سیستم‌های توصیه گر مبتنی بر محتوا Content-Based Recommendation Systems

  • سیستم‌های توصیه گر مبتنی بر محتوا Content-Based Recommendation Systems

  • معیارهای شباهت Similarity Measures

  • ساخت بردار کاربر Building a User Vector

  • ارائه توصیه با استفاده از بردار کاربر Making Recommendations Using a User Vector

  • ارائه توصیه برای کاربران متعدد Making Recommendations for Many Users

  • مقدمه آزمایشگاه: ساخت یک سیستم توصیه گر مبتنی بر محتوا Lab intro: Create a Content-Based Recommendation System

  • استفاده از شبکه‌های عصبی برای سیستم‌های توصیه گر مبتنی بر محتوا Using Neural Networks for Content-Based Recommendation Systems

  • جمع‌بندی Summary

سیستم‌های توصیه گر فیلترینگ مشارکتی Collaborative Filtering Recommendations Systems

  • انواع داده‌های بازخورد کاربر Types of User Feedback Data

  • جاسازی (Embedding) کاربران و آیتم‌ها Embedding Users and Items

  • رویکردهای تجزیه (Factorization) Factorization Approaches

  • الگوریتم ALS The ALS Algorithm

  • آماده‌سازی داده‌های ورودی برای ALS Preparing Input Data for ALS

  • ایجاد تنسورهای پراکنده برای ورودی بهینه WALS Creating Sparse Tensors For Efficient WALS Input

  • راه‌اندازی تخمین‌گر WALS: از ورودی تا تخمین‌گر Instantiating a WALS Estimator: From Input to Estimator

  • راه‌اندازی تخمین‌گر WAL: رمزگشایی TFRecords Instantiating a WAL Estimator: Decoding TFRecords

  • راه‌اندازی تخمین‌گر WALS: بازیابی کلیدها Instantiating a WALS Estimator: Recovering Keys

  • راه‌اندازی تخمین‌گر WALS: آموزش و پیش‌بینی Instantiating a WALS Estimator: Training and Prediction

  • مقدمه آزمایشگاه: فیلترینگ مشارکتی با داده‌های گوگل آنالیتیکس Lab Intro: Collaborative Filtering with Google Analytics Data

  • مشکلات فیلترینگ مشارکتی Issues with Collaborative Filtering

  • مشکل شروع سرد (Cold Starts) Cold Starts

شبکه‌های عصبی برای سیستم‌های توصیه گر Neural Networks for Recommendation Systems

  • سیستم‌های توصیه گر ترکیبی (Hybrid) Hybrid Recommendation Systems

  • مقدمه آزمایشگاه: طراحی یک سیستم توصیه گر ترکیبی Lab Intro: Designing a Hybrid Recommendation System

  • مقدمه آزمایشگاه: طراحی سیستم توصیه گر ترکیبی فیلترینگ مشارکتی Lab Intro: Designing a Hybrid Collaborative Filtering Recommendation System

  • مقدمه آزمایشگاه: طراحی سیستم توصیه گر ترکیبی مبتنی بر دانش Lab Intro: Designing a Hybrid Knowledge-based Recommendation System

  • مقدمه آزمایشگاه: ساخت یک سیستم توصیه گر ترکیبی مبتنی بر شبکه عصبی Lab Intro: Building a Neural Network Hybrid Recommendation System

  • سیستم‌های توصیه گر آگاه به متن (Context Aware) Context-Aware Recommendation Systems

  • الگوریتم‌های آگاه به متن Context-Aware Algorithms

  • پس‌فیلترینگ متنی Contextual Postfiltering

  • مدل‌سازی با استفاده از الگوریتم‌های آگاه به متن Modeling Using Context-Aware Algorithms

  • مطالعه موردی سیستم توصیه گر یوتیوب: نمای کلی YouTube Recommendation System Case Study: Overview

  • مطالعه موردی سیستم توصیه گر یوتیوب: تولید کاندیداها YouTube Recommendation System Case Study: Candidate Generation

  • مطالعه موردی سیستم توصیه گر یوتیوب: رتبه‌بندی YouTube Recommendation System Case Study: Ranking

  • جمع‌بندی Summary

یادگیری تقویت‌شده Reinforcement Learning

  • مقدمه‌ای بر ماژول Introduction to module

  • مقدمه‌ای بر یادگیری تقویت‌شده Introduction to Reinforcement Learning

  • چارچوب و گردش کار یادگیری تقویت‌شده The reinforcement learning framework and workflow

  • یادگیری تقویت‌شده مدل-محور و بدون مدل Model-based and model-free reinforcement learning

  • یادگیری تقویت‌شده مبتنی بر مقدار (Value-based) Value-based reinforcement learning

  • یادگیری تقویت‌شده مبتنی بر سیاست (Policy-based) Policy-based reinforcement learning

  • راهزنان متنی (Contextual Bandits) Contextual bandits

  • کاربردهای یادگیری تقویت‌شده Applications of reinforcement learning

  • مقدمه آزمایشگاه Lab Intro

  • مرور آزمایشگاه Lab Review

جمع‌بندی Summary

  • جمع‌بندی دوره Course Summary

  • جمع‌بندی تخصص Specialization Summary

نمایش نظرات

آموزش سیستم‌های توصیه گر در گوگل کلاود (Google Cloud)
جزییات دوره
13h 23m
52
(آخرین آپدیت)
20,228
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar