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

  • نسخه ی نمایشی: فیلتر مشارکتی مبتنی بر کاربر Demo: User-based Collaborative Filtering

  • نسخه ی نمایشی: فیلتر مشارکتی مبتنی بر آیتم Demo: Item-based Collaborative Filtering

  • خلاصه ماژول Module Summary

فیلتر مشارکتی مبتنی بر مدل Model-based Collaborative Filtering

  • نمای کلی ماژول Module Overview

  • درک فیلتر مشارکتی مبتنی بر مدل Understanding Model-based Collaborative Filtering

  • نسخه ی نمایشی: توصیه های فیلم با SVD Demo: Movie Recommendations with SVD

  • نسخه ی نمایشی: توصیه های کتاب با یادگیری عمیق Demo: Book Recommendations with Deep Learning

  • خلاصه ماژول و بازخورد Module Summary and Feedback

نمایش نظرات

آموزش یک موتور توصیه رتبه بندی با فیلتر مشارکتی بسازید
جزییات دوره
1h 20m
19
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

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.