لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش درک الگوریتم های سیستم های توصیه
Understanding Algorithms for Recommendation Systems
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
توصیهها به کسب درآمد از دادههای رفتار کاربر که کسبوکارها میگیرند کمک میکند. این دوره در مورد شناسایی روابط کاربر-محصول از دادهها با استفاده از الگوریتمهای پیشنهادی مختلف است. علاوه بر کسب درآمد از دادههای رفتار کاربر، الگوریتمهای توصیه همچنین به استخراج توصیههای عملی از دادههای رتبهبندی/خرید کاربر خام کمک میکنند. این دوره آموزشی، درک الگوریتمها برای سیستمهای توصیهای، انواع مختلف الگوریتمهای توصیه - فیلترینگ مبتنی بر محتوا، فیلتر کردن مشارکتی، و آموزش قوانین انجمن و زمان استفاده از هر یک از این انواع را پوشش میدهد. همچنین با الگوریتمهای خاصی مانند مدل نزدیکترین همسایگان، تحلیل عامل پنهان و الگوریتم Apriori آشنا خواهید شد و آنها را بر روی مجموعههای داده واقعی پیادهسازی خواهید کرد. در نهایت، در مورد ماینینگ قوانینی که محصولات مختلف را مرتبط می کنند، یاد خواهید گرفت. در پایان این دوره، شما قادر خواهید بود الگوریتم پیشنهادی را متناسب با مشکل و مجموعه داده خود انتخاب کنید و از آن برای یافتن توصیه های مرتبط استفاده کنید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
درک وظایف انجام شده توسط سیستم های توصیه
Understanding Tasks Performed by Recommendation Systems
یافتن روابط بین کاربران و محصولات
Finding Relationships Among Users and Products
انواع الگوریتم های توصیه
Types of Recommendation Algorithms
کاوش بیشتر در فیلترینگ مبتنی بر محتوا
Digging Deeper into Content Based Filtering
کاوش عمیق در فیلتر مشارکتی
Digging Deeper into Collaborative Filtering
متضاد الگوریتم های پیشنهادی مختلف
Contrasting Different Recommendation Algorithms
توصیه محصولات بر اساس مدل نزدیکترین همسایگان
Recommending Products Based on the Nearest Neighbors Model
آشنایی با مدل نزدیکترین همسایه ها
Understanding the Nearest Neighbors Model
اندازه گیری فاصله بین کاربران
Measuring Distance Between Users
پیاده سازی مدل نزدیکترین همسایه ها
Implementing the Nearest Neighbors Model
تنظیم مجموعه داده های تقاطع کتاب
Setting up the Book Crossing Data Set
ایجاد ماتریس رتبه بندی
Creating the Rating Matrix
محاسبه فاصله بین کاربران
Computing the Distance Between Users
پیدا کردن نزدیکترین همسایه ها
Finding Nearest Neighbors
یافتن بهترین توصیه های کتاب
Finding Top N Book Recommendations
پیشنهاد محصولات بر اساس مدل عوامل پنهان
Recommending Products Based on the Latent Factors Model
آشنایی با مدل عوامل پنهان
Understanding the Latent Factors Model
مقایسه مدلهای نزدیکترین همسایهها و عوامل پنهان
Contrasting the Nearest Neighbors and Latent Factors Models
تجزیه ماتریس رتبه بندی
Decomposing the Rating Matrix
ایجاد ماتریس رتبه بندی
Creating the Rating Matrix
محاسبه تابع خطا
Computing the Error Function
به حداقل رساندن خطا با استفاده از نزول گرادیان تصادفی
Minimizing Error Using Stochastic Gradient Descent
پیاده سازی گرادیان نزولی تصادفی
Implementing Stochastic Gradient Descent
استخراج داده ها برای قوانین زیربنای رفتار کاربر
Mining Data for Rules Underlying User Behavior
درک قوانین انجمن
Understanding Association Rules
اندازه گیری قدرت یک قانون
Measuring the Strength of a Rule
استخراج قوانین با استفاده از الگوریتم Apriori
Mining for Rules Using the Apriori Algorithm
محاسبه پشتیبانی برای یک مجموعه آیتم
Computing the Support for an Item Set
پیاده سازی الگوریتم Apriori
Implementing the Apriori Algorithm
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
Swetha عاشق بازی با داده ها و خرد کردن اعداد است تا اطلاعات خوبی کسب کند. او فارغ التحصیل مدارس عالی مانند IIT Madras و IIM احمدآباد است. وی اولین عضو تیم Elite Analytics نخبه Flipkart بود و در مقیاس دهی بیش از 100 کارمند نقش مهمی داشت. سوئتا همیشه تمایل به کارآفرینی و علاقه به تدریس داشته است. او اکنون این شانس را دارد که به عنوان بنیانگذار Loonycorn ، یک استودیوی محتوا با هدف ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی ، همکاری کند. Loonycorn در حال کار بر روی ساخت موتور (ثبت اختراع ثبت شده) برای خودکار کردن انیمیشن ها برای ارائه و محتوای آموزشی است.
نمایش نظرات