لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
سیستمهای توصیهکننده: یک رویکرد کاربردی با استفاده از یادگیری عمیق [ویدئو]
Recommender Systems: An Applied Approach using Deep Learning [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
سیستمهای توصیهکننده در زمینههای مختلف با نمونههای رایج مورد استفاده قرار میگیرند، از جمله تولیدکنندههای لیست پخش برای سرویسهای ویدئو و موسیقی، توصیهکنندگان محصول برای فروشگاههای آنلاین و پلتفرمهای رسانههای اجتماعی، و توصیهکنندگان محتوای وب باز. سیستمهای توصیهکننده نیز برای بررسی مقالات تحقیقاتی و کارشناسان، همکاران و خدمات مالی ایجاد شدهاند. این دوره با مقدمه ای بر مفاهیم یادگیری عمیق برای توسعه سیستم های توصیه گر و یک نمای کلی دوره آغاز می شود. این دوره به موضوعات تحت پوشش، از جمله یادگیری عمیق برای سیستم های توصیه گر، درک مزایا و معایب یادگیری عمیق، استنتاج توصیه ها، و رویکرد توصیه مبتنی بر یادگیری عمیق پیشرفت می کند. سپس فیلترینگ مشارکتی عصبی را بررسی خواهید کرد و نحوه ساخت یک پروژه بر اساس سیستم توصیه محصول آمازون را یاد خواهید گرفت. شما یاد خواهید گرفت که بسته های مورد نیاز را نصب کنید، داده ها را برای توصیه محصولات تجزیه و تحلیل کنید، داده ها را آماده کنید و با استفاده از رویکرد دو برج توسعه مدل دهید. شما یاد خواهید گرفت که یک توصیهکننده TensorFlow را پیادهسازی کنید و یک مدل توصیهگر را آزمایش کنید. شما با استفاده از سیستم توصیهگر ساخته شده پیشبینی خواهید کرد. پس از تکمیل، میتوانید مفاهیم و تئوریهای سیستمهای توصیهگر را در حوزههای مختلف به هم مرتبط کنید و مدلهای یادگیری عمیق را برای ساختن سیستمهای توصیه در دنیای واقعی پیادهسازی کنید. همه منابع در دسترس هستند: https://github.com/PacktPublishing/Recommender-Systems-An-Applied-Approach-using-Deep-Learning درباره یادگیری عمیق و سیستم های توصیه کننده اطلاعات کسب کنید. مکانیسم های رویکردهای مبتنی بر یادگیری عمیق را بیاموزید پیاده سازی کنید. یک مدل دو برجی برای توصیهکنندگان پیادهسازی TensorFlow برای توسعه یک سیستم توصیهگر یادگیری مدلهای شبکه عصبی اولیه برای توصیهها کاوش در فیلترهای مشترک عصبی و رمزگذارهای خودکار متغیر این دوره برای افرادی طراحی شده است که به دنبال ارتقای مهارتهای خود در یادگیری عمیق کاربردی، درک روابط تحلیل دادهها با یادگیری عمیق، سیستمهای توصیهکننده سفارشی برای کاربردهایشان بسازید و الگوریتمهای یادگیری عمیق را برای سیستمهای توصیهگر پیادهسازی کنید. افراد علاقه مند به سیستم های توصیه گر با کمک TensorFlow Recommenders از این دوره بهره مند خواهند شد. متخصصان یادگیری عمیق، محققان پژوهشی و دانشمندان داده نیز از این دوره بهره خواهند برد. پیش نیازها شامل دانش پایه تا متوسط از کتابخانه پایتون و پاندا است. درک، پیاده سازی و ارزیابی مدل های یادگیری عمیق برای ساختن سیستم های توصیه در دنیای واقعی
* اعتبارسنجی، آزمایش و پیشبینی با استفاده از سیستمهای توصیهگر با کمک TensorFlow Recommenders
* مزایا و چالش های یادگیری عمیق را در سیستم های توصیه گر کاوش کنید
سرفصل ها و درس ها
معرفی
Introduction
درباره مربی
About the Instructor
طرح کلی دوره
Course Outline
بنیاد یادگیری عمیق برای سیستم های توصیه کننده
Deep Learning Foundation for Recommender Systems
معرفی ماژول
Module Introduction
بررسی اجمالی
Overview
یادگیری عمیق در سیستم های توصیه کننده
Deep Learning in Recommender Systems
استنباط بعد از آموزش
Inference after Training
مکانیسم استنتاج
Inference Mechanism
جاسازی ها و زمینه کاربر
Embeddings and User Context
فیلتر مشارکتی عصبی
Neural Collaborative Filtering
فیلتر مشارکتی VAE
VAE Collaborative Filtering
نقاط قوت و ضعف مدل های DL
Strengths and Weaknesses of DL Models
آزمون یادگیری عمیق
Deep Learning Quiz
راه حل آزمون یادگیری عمیق
Deep Learning Quiz Solution
پروژه سیستم توصیه محصول آمازون
Project Amazon Product Recommendation System
نمای کلی ماژول
Module Overview
توصیهکنندگان تنسورفلو
TensorFlow Recommenders
مدل دو برج
Two-Tower Model
بررسی اجمالی پروژه
Project Overview
دانلود کتابخانه ها
Download Libraries
تجسم داده ها با WordCloud
Data Visualization with WordCloud
تانسورها را از DataFrame بسازید
Make Tensors from DataFrame
رتبه بندی داده های ما
Rating Our Data
تقسیم تصادفی قطار-تست
Random Train-Test Split
ساخت مدل و Query Tower
Making the Model and Query Tower
برج کاندید و سیستم بازیابی
Candidate Tower and Retrieval System
محاسبه ضرر
Compute Loss
آموزش و اعتبارسنجی
Train and Validation
دقت در مقابل توصیه ها
Accuracy Versus Recommendations
نمایش نظرات