لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش سیستم های توصیه در Google Cloud
Recommendation Systems on Google Cloud
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، دانش خود را در مورد مدلهای طبقهبندی و تعبیهها برای ساخت خط لوله ML که به عنوان موتور توصیه عمل میکند، به کار میگیرید. در این دوره، دانش خود را در مورد مدلهای طبقهبندی و جاسازیها برای ساخت خط لوله ML که به عنوان موتور توصیه عمل میکند، به کار میگیرید. این پنجمین و آخرین دوره از مجموعه یادگیری ماشین پیشرفته در Google Cloud است.
سرفصل ها و درس ها
به سیستمهای توصیه در Google Cloud خوش آمدید
Welcome to Recommendation Systems on Google Cloud
به سیستمهای توصیه در Google Cloud خوش آمدید
Welcome to Recommendation Systems on Google Cloud
بررسی اجمالی سیستم های توصیه
Recommendation Systems Overview
مقدمه
Introduction
انواع سیستم های توصیه
Types of Recommendation Systems
مبتنی بر محتوا یا مشارکتی
Content-Based or Collaborative
مشکلات سیستم توصیه
Recommendation System Pitfalls
بحث
Discussion
خواندن: بررسی اجمالی سیستم های توصیه
Reading: Recommendation Systems Overview
سیستم های توصیه مبتنی بر محتوا
Content-Based Recommendation Systems
سیستم های توصیه مبتنی بر محتوا
Content-Based Recommendation Systems
اقدامات شباهت
Similarity Measures
ساخت وکتور کاربر
Building a User Vector
ارائه توصیه ها با استفاده از بردار کاربر
Making Recommendations Using a User Vector
ارائه توصیه برای بسیاری از کاربران
Making Recommendations for Many Users
معرفی آزمایشگاه: ایجاد یک سیستم توصیه مبتنی بر محتوا
Lab intro: Create a Content-Based Recommendation System
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
آزمایشگاه: فیلترینگ مبتنی بر محتوا با دست
Lab: Content-Based Filtering by Hand
استفاده از شبکه های عصبی برای سیستم های توصیه مبتنی بر محتوا
Using Neural Networks for Content-Based Recommendation Systems
معرفی آزمایشگاه: ایجاد یک سیستم توصیه مبتنی بر محتوا با استفاده از یک شبکه عصبی
Lab Intro: Create a Content-Based Recommendation System Using a Neural Network
آزمایشگاه: فیلترینگ مبتنی بر محتوا با استفاده از شبکه های عصبی
Lab: Content-Based Filtering using Neural Networks
خلاصه
Summary
مطالب خوانده شده: سیستم های توصیه مبتنی بر محتوا
Readings: Content-Based Recommendation Systems
سیستم های توصیه های فیلترینگ مشارکتی
Collaborative Filtering Recommendations Systems
انواع داده های بازخورد کاربر
Types of User Feedback Data
جاسازی کاربران و آیتم ها
Embedding Users and Items
رویکردهای فاکتورسازی
Factorization Approaches
الگوریتم ALS
The ALS Algorithm
آماده سازی داده های ورودی برای ALS
Preparing Input Data for ALS
ایجاد تانسورهای پراکنده برای ورودی WALS کارآمد
Creating Sparse Tensors For Efficient WALS Input
نمونه سازی یک برآوردگر WALS: از ورودی تا برآوردگر
Instantiating a WALS Estimator: From Input to Estimator
نمونه سازی یک برآوردگر WAL: رمزگشایی TFRecords
Instantiating a WAL Estimator: Decoding TFRecords
نمونه سازی یک برآوردگر WALS: بازیابی کلیدها
Instantiating a WALS Estimator: Recovering Keys
نمونه سازی یک برآوردگر WALS: آموزش و پیش بینی
Instantiating a WALS Estimator: Training and Prediction
معرفی آزمایشگاه: فیلتر مشارکتی با داده های Google Analytics
Lab Intro: Collaborative Filtering with Google Analytics Data
آزمایشگاه: فیلتر مشارکتی در داده های Google Analytics
Lab: Collaborative Filtering on Google Analytics data
مشکلات مربوط به فیلتر مشارکتی
Issues with Collaborative Filtering
شروع سرد
Cold Starts
مطالب خوانده شده: سیستم های توصیه های فیلترینگ مشارکتی
Readings: Collaborative Filtering Recommendations Systems
شبکه های عصبی برای سیستم های توصیه
Neural Networks for Recommendation Systems
سیستم های توصیه ترکیبی
Hybrid Recommendation Systems
معرفی آزمایشگاه: طراحی یک سیستم توصیه ترکیبی
Lab Intro: Designing a Hybrid Recommendation System
مقدمه آزمایشگاه: طراحی یک سیستم توصیه فیلتر مشارکتی ترکیبی
Lab Intro: Designing a Hybrid Collaborative Filtering Recommendation System
معرفی آزمایشگاه: طراحی یک سیستم توصیه مبتنی بر دانش ترکیبی
Lab Intro: Designing a Hybrid Knowledge-based Recommendation System
معرفی آزمایشگاه: ساخت یک سیستم توصیه ترکیبی شبکه عصبی
Lab Intro: Building a Neural Network Hybrid Recommendation System
آزمایشگاه: ML در GCP: توصیه های ترکیبی با مجموعه داده MovieLens
Lab: ML on GCP: Hybrid Recommendations with the MovieLens Dataset
سیستم های توصیه آگاه از زمینه
Context-Aware Recommendation Systems
الگوریتم های آگاه از زمینه
Context-Aware Algorithms
پس فیلترینگ متنی
Contextual Postfiltering
مدلسازی با استفاده از الگوریتمهای Context-Aware
Modeling Using Context-Aware Algorithms
مطالعه موردی سیستم توصیه YouTube: بررسی اجمالی
YouTube Recommendation System Case Study: Overview
مطالعه موردی سیستم توصیه YouTube: نسل نامزد
YouTube Recommendation System Case Study: Candidate Generation
مطالعه موردی سیستم توصیه YouTube: رتبهبندی
YouTube Recommendation System Case Study: Ranking
خلاصه
Summary
مطالب خوانده شده: شبکه های عصبی برای سیستم های توصیه
Readings: Neural Networks for Recommendation Systems
یادگیری تقویتی
Reinforcement Learning
مقدمه ای بر ماژول
Introduction to module
مقدمه ای بر یادگیری تقویتی
Introduction to Reinforcement Learning
چارچوب یادگیری تقویتی و گردش کار
The reinforcement learning framework and workflow
یادگیری تقویتی مبتنی بر مدل و بدون مدل
Model-based and model-free reinforcement learning
یادگیری تقویتی مبتنی بر ارزش
Value-based reinforcement learning
یادگیری تقویتی مبتنی بر سیاست
Policy-based reinforcement learning
راهزنان متنی
Contextual bandits
کاربردهای یادگیری تقویتی
Applications of reinforcement learning
آزمایشگاه: استفاده از راهزن های متنی برای توصیه ها با Tensorflow و TF-Agents
Lab: Applying Contextual Bandits for Recommendations with Tensorflow and TF-Agents
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات