آموزش ماشین و مبانی هوش مصنوعی: توصیه ها

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدی Welcome

• آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

• با استفاده از پرونده های تمرینی Using the exercise files

• محیط را تنظیم کنید Set up environment

1. مبانی تهیه توصیه ها 1. The Basics of Making Recommendations

• سیستم پیشنهادی چیست؟ What is a recommendation system?

• با سیستمهای پیشنهادی چه کاری می توانید انجام دهید؟ What can you do with recommendation systems?

• کاربردهای جالب سیستمهای توصیه Cool uses of recommendation systems

2. راه های ارائه توصیه ها 2. Ways of Making Recommendations

• توصیه های مبتنی بر محتوا: توصیه بر اساس ویژگی های محصول Content-based recommendations: Recommending based on product attributes

• فیلتر همکاری: پیشنهادات مبتنی بر کاربران مشابه Collaborative filtering: Recommending based on similar users

3. آشنایی با ابزارهای ما 3. Getting to Know Our Tools

• آشنایی با NumPy ، SciPy و پاندا Introduction to NumPy, SciPy, and pandas

• در بردارها فکر کنید: چگونه با مجموعه دادههای بزرگ کارآمد کار کنیم Think in vectors: How to work with large data sets efficiently

4- ساختن چارچوب سیستم پیشنهادی ما 4. Building the Framework for Our Recommendation System

• مجموعه داده های توصیه محصولات ما را کاوش کنید Explore our product recommendation data set

• بازنگری محصولات را به عنوان ماتریس ارائه دهید Represent product reviews as a matrix

• با پیش بینی رتبه بندی کاربر گمشده ، توصیه کنید Recommend by predicting missing user ratings

• یک روش ساده برای پیش بینی رتبه های کاربر از دست رفته A simple way to predict missing user ratings

5. فیلتر همکاری با فاکتورسازی ماتریس 5. Collaborative Filtering with Matrix Factorization

• نمایندگی های نهفته کاربران و محصولات Latent representations of users and products

• سیستم توصیه را کدگذاری کنید Code the recommendation system

• چگونه عامل بندی ماتریس کار می کند How matrix factorization works

• برای یافتن محصولات مشابه از بازنمایی های نهفته استفاده کنید Use latent representations to find similar products

6. تست سیستم ما 6. Testing Our System

• توصیه‌های سیستم ما را کاوش کنید Explore our system’s recommendations

• از منظم استفاده کنید Use regularization

• دقت توصیه را اندازه گیری کنید Measure recommendation accuracy

7. استفاده از سیستم توصیه‌ها در یک برنامه دنیای واقعی 7. Using the Recommendation System in a Real World Program

• توصیه هایی را برای کاربران موجود انجام دهید Make recommendations for existing users

• نحوه کار با کاربران بار اول How to handle first-time users

• محصولات مشابه را بیابید Find similar products

نتیجه Conclusion

• بسته شدن Wrap up