آموزش ساخت سیستم های پیشنهادی با یادگیری ماشین و هوش مصنوعی

سرفصل ها و درس ها

شروع شدن Getting Started

• Udemy 101: گرفتن بیشتر از این دوره Udemy 101: Getting the Most From This Course

• توجه: مکان بارگیری مجموعه داده جایگزین Note: Alternate dataset download location

• [فعالیت] Anaconda ، مطالب درسی را نصب کنید و توصیه های فیلم ایجاد کنید! [Activity] Install Anaconda, course materials, and create movie recommendations!

• نقشه راه دوره Course Roadmap

• سیستم پیشنهادی چیست؟ What Is a Recommender System?

• انواع توصیه کنندگان Types of Recommenders

• درک شما از طریق رتبه بندی های ضمنی و صریح Understanding You through Implicit and Explicit Ratings

• Top-N معماری پیشنهاد دهنده Top-N Recommender Architecture

• [مسابقه] اصول سیستم های پیشنهادی را مرور کنید. [Quiz] Review the basics of recommender systems.

معرفی پایتون [اختیاری] Introduction to Python [Optional]

• [فعالیت] مبانی پایتون [Activity] The Basics of Python

• ساختارهای داده در پایتون Data Structures in Python

• توابع در پایتون Functions in Python

• [ورزش] Booleans ، حلقه ها ، و یک چالش عملی [Exercise] Booleans, loops, and a hands-on challenge

ارزیابی سیستم های پیشنهادی Evaluating Recommender Systems

• آموزش/آزمون و اعتبار سنجی متقابل Train/Test and Cross Validation

• معیارهای دقت (RMSE ، MAE) Accuracy Metrics (RMSE, MAE)

• Top-N نرخ ضربه - بسیاری از راه ها Top-N Hit Rate - Many Ways

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

• Churn ، Responsiveness و A/B Test Churn, Responsiveness, and A/B Tests

• [مسابقه] روشهای اندازه گیری توصیه خود را مرور کنید. [Quiz] Review ways to measure your recommender.

• [فعالیت] گام به گام RecommenderMetrics.py [Activity] Walkthrough of RecommenderMetrics.py

• [فعالیت] Walkthrough از TestMetrics.py [Activity] Walkthrough of TestMetrics.py

• [فعالیت] عملکرد توصیه های SVD را اندازه گیری کنید [Activity] Measure the Performance of SVD Recommendations

چارچوب موتور توصیه شده A Recommender Engine Framework

• پیشنهاد ما معماری موتور Our Recommender Engine Architecture

• [فعالیت] توصیه کننده موتور پیاده روی ، قسمت 1 [Activity] Recommender Engine Walkthrough, Part 1

• [فعالیت] پیشنهاد دهنده موتور پیاده روی ، قسمت 2 [Activity] Recommender Engine Walkthrough, Part 2

• [فعالیت] نتایج ارزیابی الگوریتم ما را مرور کنید. [Activity] Review the Results of our Algorithm Evaluation.

فیلتر کردن محتوا Content-Based Filtering

• توصیه های مبتنی بر محتوا و معیار تشابه کسینوس Content-Based Recommendations, and the Cosine Similarity Metric

• K- نزدیکترین همسایگان و یادداشتهای محتوا K-Nearest-Neighbors and Content Recs

• [فعالیت] تولید و ارزیابی پیشنهادهای فیلم مبتنی بر محتوا [Activity] Producing and Evaluating Content-Based Movie Recommendations

• یادداشتی درباره استفاده از رتبه بندی ضمنی. A Note on Using Implicit Ratings.

• [فعالیت] Bleeding Edge Alert! توصیه های صحنه Mise en [Activity] Bleeding Edge Alert! Mise en Scene Recommendations

• [ورزش] عمیق تر به توصیه های مبتنی بر محتوا بروید [Exercise] Dive Deeper into Content-Based Recommendations

فیلترهای مشارکتی مبتنی بر محله Neighborhood-Based Collaborative Filtering

• اندازه گیری شباهت و پراکندگی Measuring Similarity, and Sparsity

• معیارهای تشابه Similarity Metrics

• فیلتر کردن مشارکتی مبتنی بر کاربر User-based Collaborative Filtering

• [فعالیت] فیلتر کردن مشارکتی مبتنی بر کاربر ، عملی [Activity] User-based Collaborative Filtering, Hands-On

• فیلتر کردن مشارکتی مبتنی بر مورد Item-based Collaborative Filtering

• [فعالیت] فیلتر کردن مشارکتی مبتنی بر مورد ، عملی [Activity] Item-based Collaborative Filtering, Hands-On

• [تمرین] تنظیم الگوریتم های فیلتر کردن مشارکتی [Exercise] Tuning Collaborative Filtering Algorithms

• [فعالیت] ارزیابی سیستم های فیلتر کردن مشارکتی به صورت آفلاین [Activity] Evaluating Collaborative Filtering Systems Offline

• [تمرین] میزان ضربه فیلترهای مشارکتی مبتنی بر مورد را اندازه بگیرید [Exercise] Measure the Hit Rate of Item-Based Collaborative Filtering

• توصیه های KNN KNN Recommenders

• [فعالیت] اجرای کاربر و آیتم مبتنی بر KNN در MovieLens [Activity] Running User and Item-Based KNN on MovieLens

• [تمرین] با پارامترهای مختلف KNN آزمایش کنید. [Exercise] Experiment with different KNN parameters.

• هشدار لبه خونریزی! توصیه های مبتنی بر ترجمه Bleeding Edge Alert! Translation-Based Recommendations

روشهای فاکتورسازی ماتریس Matrix Factorization Methods

• تجزیه و تحلیل مincipلفه های اصلی (PCA) Principal Component Analysis (PCA)

• تجزیه مقدار منفرد Singular Value Decomposition

• [فعالیت] در حال اجرا SVD و SVD ++ در MovieLens [Activity] Running SVD and SVD++ on MovieLens

• بهبود در SVD Improving on SVD

• [ورزش] تنظیم بیش از حد پارامترها در SVD [Exercise] Tune the hyperparameters on SVD

• هشدار لبه خونریزی! روش های خطی پراکنده (SLIM) Bleeding Edge Alert! Sparse Linear Methods (SLIM)

مقدمه ای بر یادگیری عمیق [اختیاری] Introduction to Deep Learning [Optional]

• مقدمه یادگیری عمیق Deep Learning Introduction

• پیش نیازهای یادگیری عمیق Deep Learning Pre-Requisites

• تاریخچه شبکه های عصبی مصنوعی History of Artificial Neural Networks

• [فعالیت] بازی با Tensorflow [Activity] Playing with Tensorflow

• آموزش شبکه های عصبی Training Neural Networks

• تنظیم شبکه های عصبی Tuning Neural Networks

• توابع فعال سازی: عمق بیشتر Activation Functions: More Depth

• مقدمه ای بر Tensorflow Introduction to Tensorflow

• یادداشت مهم تنظیم تنسورفل! Important Tensorflow setup note!

• [فعالیت] تشخیص خط با Tensorflow ، قسمت 1 [Activity] Handwriting Recognition with Tensorflow, part 1

• [فعالیت] تشخیص خط با Tensorflow ، قسمت 2 [Activity] Handwriting Recognition with Tensorflow, part 2

• معرفی کراس Introduction to Keras

• [فعالیت] شناخت دست خط با Keras [Activity] Handwriting Recognition with Keras

• الگوهای طبقه بندی با Keras Classifier Patterns with Keras

• [تمرین] احزاب سیاسی سیاستمداران را با کراس پیش بینی کنید [Exercise] Predict Political Parties of Politicians with Keras

• مقدمه ای بر شبکه های عصبی کانولوشن (CNN) Intro to Convolutional Neural Networks (CNN's)

• معماری CNN CNN Architectures

• [فعالیت] شناخت دست خط با شبکه های عصبی کانولوشن (CNN) [Activity] Handwriting Recognition with Convolutional Neural Networks (CNNs)

• معرفی شبکه های عصبی راجعه (RNN) Intro to Recurrent Neural Networks (RNN's)

• آموزش شبکه های عصبی راجعه Training Recurrent Neural Networks

• [فعالیت] تجزیه و تحلیل احساسات بررسی فیلم با استفاده از RNN و Keras [Activity] Sentiment Analysis of Movie Reviews using RNN's and Keras

• تنظیم شبکه های عصبی Tuning Neural Networks

• تکنیک های تنظیم شبکه عصبی Neural Network Regularization Techniques

یادگیری عمیق برای سیستم های توصیه کننده Deep Learning for Recommender Systems

• مقدمه ای برای یادگیری عمیق برای توصیه کنندگان Intro to Deep Learning for Recommenders

• ماشینهای محدود Boltzmann (RBM) Restricted Boltzmann Machines (RBM's)

• [فعالیت] توصیه هایی با RBM ، قسمت 1 [Activity] Recommendations with RBM's, part 1

• [فعالیت] توصیه هایی با RBM ، قسمت 2 [Activity] Recommendations with RBM's, part 2

• [فعالیت] ارزیابی توصیهگر RBM [Activity] Evaluating the RBM Recommender

• [ورزش] تنظیم محدود بولتزمن ماشین آلات [Exercise] Tuning Restricted Boltzmann Machines

• نتایج تمرین: تنظیم یک توصیه کننده RBM Exercise Results: Tuning a RBM Recommender

• رمزگذارهای خودکار برای توصیه ها: یادگیری عمیق برای Recs Auto-Encoders for Recommendations: Deep Learning for Recs

• [فعالیت] توصیه هایی با شبکه های عصبی عمیق [Activity] Recommendations with Deep Neural Networks

• توصیه های کلیک شده با RNN را کلیک کنید Clickstream Recommendations with RNN's

• [ورزش] GRU4REC را بر روی دسکتاپ خود کار کنید [Exercise] Get GRU4Rec Working on your Desktop

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

• توصیه کنندگان Tensorflow (TFRS): مقدمه و ساخت یک مرحله بازیابی Tensorflow Recommenders (TFRS): Intro, and Building a Retrieval Stage

• توصیه های Tensorflow (TFRS): ساخت یک مرحله رتبه بندی Tensorflow Recommenders (TFRS): Building a Ranking Stage

• TFRS: شامل ویژگی های جانبی و بازیابی عمیق TFRS: Incorporating Side Features and Deep Retrieval

• TFRS: توصیه های چند وظیفه، شبکه های عمیق و متقابل، اسکن، و خدمت TFRS: Multi-Task Recommenders, Deep & Cross Networks, ScaNN, and Serving

• هشدار لبه خونریزی! ماشین آلات فاکتور عمیق Bleeding Edge Alert! Deep Factorization Machines

• بیشتر ظهور فناوری برای تماشا More Emerging Tech to Watch

مقیاس گذاری آن Scaling it Up

• هشدار: جاوا 16 را نصب نکنید! WARNING: Don't install Java 16!

• [فعالیت] مقدمه و نصب جرقه آپاچی [Activity] Introduction and Installation of Apache Spark

• معماری جرقه آپاچی Apache Spark Architecture

• [فعالیت] توصیه های فیلم با جرقه، فاکتور ماتریس، و ALS [Activity] Movie Recommendations with Spark, Matrix Factorization, and ALS

• [فعالیت] توصیه های از 20 میلیون رتبه با جرقه [Activity] Recommendations from 20 million ratings with Spark

• آمازون DSSTNE Amazon DSSTNE

• DSSTNE در عمل DSSTNE in Action

• مقیاس دادن به DSSTNE Scaling Up DSSTNE

• AWS Sagemaker و ماشین آلات تجزیه کننده AWS SageMaker and Factorization Machines

• Sagemaker در عمل: ماشین آلات فاکتورها در یک میلیون امتیاز، در ابر SageMaker in Action: Factorization Machines on one million ratings, in the cloud

• سایر سیستم های یادداشت (آمازون شخصی سازی، Richrelevance، Recomee، و بیشتر) Other Systems of Note (Amazon Personalize, RichRelevance, Recombee, and more)

• معماری سیستم توصیه شده Recommender System Architecture

چالش های دنیای واقعی سیستم های توصیه شده Real-World Challenges of Recommender Systems

• مشکل شروع سرد (و راه حل ها) The Cold Start Problem (and solutions)

• [ورزش] اجرای اکتشاف تصادفی [Exercise] Implement Random Exploration

• راه حل ورزش: اکتشاف تصادفی Exercise Solution: Random Exploration

• Stoplists Stoplists

• [ورزش] پیاده سازی یک کاتالوگ [Exercise] Implement a Stoplist

• راه حل ورزش: پیاده سازی یک کاتالوگ Exercise Solution: Implement a Stoplist

• حباب فیلتر، اعتماد، و ناپایدار فیلتر Filter Bubbles, Trust, and Outliers

• [ورزش] شناسایی و از بین بردن کاربران بیرونی [Exercise] Identify and Eliminate Outlier Users

• راه حل ورزش: حذف از بین بردن Exercise Solution: Outlier Removal

• تقلب، خطرات Clickstream، و نگرانی های بین المللی Fraud, The Perils of Clickstream, and International Concerns

• اثرات زمانی و توصیه های ارزش آگاهانه Temporal Effects, and Value-Aware Recommendations

مطالعات موردی Case Studies

• مطالعه موردی: یوتیوب، قسمت 1 Case Study: YouTube, Part 1

• مطالعه موردی: یوتیوب، قسمت 2 Case Study: YouTube, Part 2

• مطالعه موردی: Netflix، قسمت 1 Case Study: Netflix, Part 1

• مطالعه موردی: Netflix، قسمت 2 Case Study: Netflix, Part 2

رویکردهای ترکیبی Hybrid Approaches

• توصیه های هیبریدی و ورزش Hybrid Recommenders and Exercise

• راه حل ورزش: توصیه های ترکیبی Exercise Solution: Hybrid Recommenders

بسته بندی کردن Wrapping Up

• بیشتر برای کشف More to Explore

• سخنرانی پاداش: دوره های بیشتر برای کشف! Bonus Lecture: More courses to explore!