لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یک موتور توصیه رتبه بندی با فیلتر مشارکتی بسازید
Build a Rating Recommendation Engine with Collaborative Filtering
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
سیستم های توصیه تعداد زیادی از جنبه های زندگی روزمره ما را فراگرفته است. این دوره به شما می آموزد که چگونه سیستم توصیه خود را با استفاده از تکنیکی به نام فیلتر مشارکتی بسازید. موتورهای توصیه دارایی های ارزشمندی برای بسیاری از خدمات هستند که ما در زندگی روزمره خود از آنها استفاده می کنیم. آنها در بسیاری از صنایع از خرده فروشی، تجارت الکترونیک، سرگرمی و حتی تحویل غذا نقش حیاتی دارند و در عین حال تجربه کاربر را به شدت ارتقا می دهند. در این دوره، ساخت یک موتور توصیه رتبه بندی با فیلتر مشارکتی، مهارت هایی را به دست خواهید آورد تا سیستم توصیه کننده خود را بسازید. ابتدا با سیستمهای توصیهگر آشنا میشوید، انواع مختلف سیستمهای توصیهگر را میبینید، و به جزئیات بیشتری در مورد تکنیک خاصی که در طول این دوره استفاده میکنید - فیلترینگ مشارکتی - وارد میشوید. در مرحله بعد، نحوه ایجاد یک سیستم توصیهگر با استفاده از فیلتر مشترک مبتنی بر حافظه را خواهید یافت. در نهایت، همه چیز را در مورد فیلتر مشارکتی مبتنی بر مدل یاد خواهید گرفت و دانش کدنویسی آن را با استفاده از پایتون به دست خواهید آورد. وقتی این دوره را به پایان رساندید، دانش و مهارت لازم برای ساختن سیستم توصیه خود را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
شروع کار با سیستم های توصیه کننده
Getting Started with Recommender Systems
نمای کلی دوره و ماژول
Course and Module Overview
سیستم های توصیه چیست؟
What Are Recommendation Systems?
فیلترینگ مبتنی بر محتوا
Content-based Filtering
فیلتر مشارکتی
Collaborative Filtering
سیستم های توصیه کننده: موارد استفاده تجاری
Recommender Systems: Business Use Cases
خلاصه ماژول
Module Summary
فیلتر مشارکتی مبتنی بر حافظه
Memory-based Collaborative Filtering
نمای کلی ماژول
Module Overview
درک فیلتر مشارکتی مبتنی بر حافظه
Understanding Memory-based Collaborative Filtering
نسخه ی نمایشی: تنظیم محیط شما
Demo: Setting up Your Environment
نسخه ی نمایشی: معرفی مجموعه داده و تجزیه و تحلیل داده های اکتشافی
Demo: Dataset Introduction and Exploratory Data Analysis
Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.
نمایش نظرات