آموزش ساخت سیستم‌های توصیه‌گر با PySpark - آخرین آپدیت

سرفصل ها و درس ها

درک سیستم‌های توصیه‌گر Understanding Recommendation Systems

• بررسی کلی Overview

• درک سیستم‌های توصیه‌گر Understanding Recommendation Systems

• شخصی‌سازی در مقابل مقیاس‌پذیری Personalization vs. Scalability

• دمو: تحلیل اکتشافی داده‌ها (EDA) روی داده‌های تراکنش Demo: EDA on Transaction Data

پیاده‌سازی فیلترینگ مشارکتی با PySpark MLlib Implementing Collaborative Filtering with PySpark MLlib

• درک فیلترینگ مشارکتی Understanding Collaborative Filtering

• دمو: آموزش مدل ALS Demo: Training the ALS Model

• تنظیم دقیق مدل Fine-tuning the Model

• دمو: تنظیم دقیق مدل ALS Demo: Fine-tuning the ALS Model

ساخت سیستم توصیه‌گر مبتنی بر محتوا Building a Content-based Recommendation System

• درک فیلترینگ مبتنی بر محتوا Understanding Content-based Filtering

• دمو: مهندسی ویژگی با TF-IDF Demo: Feature Engineering with TF-IDF

• دمو: کاهش ابعاد با PCA Demo: Dimensionality Reduction with PCA

• دمو: محاسبه شباهت کسینوسی Demo: Computing Cosine Similarity

بهینه‌سازی و استقرار سیستم توصیه‌گر مقیاس‌پذیر Optimizing and Deploying a Scalable Recommendation System

• دمو: بهینه‌سازی پرس‌وجوهای توصیه‌گر Demo: Optimizing Recommendation Queries

• دمو: استقرار توصیه‌گر به صورت دسته‌ای و در لحظه Demo: Batch and Real-time Recommendation Deployment

• جمع‌بندی دوره Course Summary