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

  • مطالب خواندنی: یادگیری تقویتی Readings: Reinforcement Learning

  • معرفی آزمایشگاه Lab Intro

  • 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

  • بررسی آزمایشگاهی Lab Review

خلاصه Summary

  • خلاصه دوره Course Summary

  • خلاصه تخصص Specialization Summary

  • همه مطالب درسی All Course Readings

نمایش نظرات

Pluralsight (پلورال سایت)

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.

آموزش سیستم های توصیه در Google Cloud
جزییات دوره
4h 56m
65
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

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.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.