آموزش سیستم‌های توصیه‌گر - آخرین آپدیت

دانلود Recommender Systems

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره آموزشی شما موارد زیر را خواهید آموخت: الف) درک مفاهیم پایه و اساسی سیستم‌های توصیه‌گر. ب) آشنایی و تسلط بر فیلترینگ مشارکتی (Collaborative Filtering). ج) پیاده‌سازی سیستم‌های توصیه‌گر با استفاده از یادگیری عمیق (Deep Learning). د) بررسی مباحث پیشرفته و چالش‌های سیستم‌های توصیه‌گر. لطفاً اطمینان حاصل کنید که در برنامه‌نویسی با پایتون تسلط دارید و با مفاهیم پایه ریاضیات از جمله ضرب ماتریس‌ها، احتمال شرطی و الگوریتم‌های پایه یادگیری ماشین آشنا هستید.

سرفصل ها و درس ها

مقدمه‌ای بر سیستم‌های توصیه‌گر Introduction to Recommender Systems

  • انواع اصلی سیستم‌های توصیه‌گر Main recommender systems

  • خواندن داده‌ها و اندازه‌گیری دقت Read data, measure accuracy

  • اصول فیلترینگ مشارکتی Principles of Collaborative Filtering

فیلترینگ مشارکتی Collaborative Filtering

  • مقایسه فیلترینگ کاربر-محور و آیتم-محور User-Based CF vs. Item-Based CF

  • اصول تجزیه ماتریسی Principles of matrix factorization

  • الگوریتم تجزیه ماتریسی Matrix factorization algorithm

سیستم‌های توصیه‌گر با یادگیری عمیق Recommender System with Deep Learning

  • آشنایی با کتابخانه Surprise Introduction to Surprise package

  • مقایسه الگوریتم‌ها و تنظیمات Compare Algorithms and Set Options

  • توصیه‌گر یادگیری عمیق با استفاده از Keras 2 Deep Learning Recommendation using Keras 2

مباحث پیشرفته در سیستم‌های توصیه‌گر Further Understanding of Recommender Systems

  • ترکیب فیلترینگ مشارکتی و تجزیه ماتریسی Combination of CF and MF

  • پردازش داده‌ها در مقیاس بزرگ Processing of large-scale data

  • مشکل شروع سرد، مقیاس‌پذیری و داده‌های باینری Cold start, scalability, binary data

نمایش نظرات

آموزش سیستم‌های توصیه‌گر
جزییات دوره
16h 37m
12
(آخرین آپدیت)
1,021
- از 5
دارد
دارد
دارد
Jaekwang KIM
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar