آموزش سیستم‌های توصیه‌گر پایه - آخرین آپدیت

دانلود Basic Recommender Systems

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره سیستم‌های توصیه‌گر پایه شما را با پیشروترین رویکردها در زمینه سیستم‌های توصیه‌گر آشنا می‌کند. تکنیک‌های شرح داده شده، هر دو رویکرد «همکاری‌محور» (Collaborative) و «محتوامحور» (Content-based) را پوشش داده و شامل مهم‌ترین الگوریتم‌های مورد استفاده برای ارائه توصیه‌ها هستند. شما خواهید آموخت که این سیستم‌ها چگونه کار می‌کنند، چگونه از آن‌ها استفاده کنید و چگونه آن‌ها را ارزیابی نمایید و همچنین با مزایا و محدودیت‌های جایگزین‌های مختلف سیستم‌های توصیه‌گر آشنا خواهید شد. پس از اتمام این دوره، قادر خواهید بود الزامات و اهداف سیستم‌های توصیه‌گر را بر اساس دامنه‌های کاربردی مختلف توصیف کنید. شما یاد می‌گیرید که چگونه سیستم‌های توصیه‌گر را بر اساس داده‌های ورودی، مکانیسم‌های داخلی و اهدافشان از یکدیگر تشخیص دهید. همچنین ابزارهای لازم برای اندازه‌گیری کیفیت یک سیستم توصیه‌گر و بهبود تدریجی آن از طریق طراحی الگوریتم‌های جدید را به دست خواهید آورد. علاوه بر این، نحوه طراحی سیستم‌های توصیه‌گر متناسب با دامنه‌های کاربردی جدید را با در نظر گرفتن مسائل اجتماعی و اخلاقی پیرامون آن مانند هویت، حریم خصوصی و دست‌کاری داده‌ها خواهید آموخت. ارائه توصیه‌های مقرون‌به‌صرفه، شخصی‌سازی‌شده و باکیفیت همواره یک چالش است! این دوره همچنین از دو نتیجه یادگیری کلی EIT در رابطه با مهارت‌های خلاقیت و نوآوری بهره می‌برد. در تلاش برای طراحی یک سیستم توصیه‌گر جدید، شما باید فراتر از مرزها فکر کنید و بیابید که چگونه می‌توانید کیفیت پیش‌بینی‌ها را بهبود ببخشید. همچنین باید بتوانید از دانش، ایده‌ها و فناوری برای ایجاد ابزارهای توصیه جدید یا بهبودیافته جهت حمایت از فرآیندهای تصمیم‌گیری و استراتژی‌ها در سناریوهای نوآورانه برای ارتقای کیفیت زندگی استفاده کنید.

سرفصل ها و درس ها

مفاهیم پایه BASIC CONCEPTS

  • مرور کلی دوره و خوش‌آمدگویی مدرس Course overview and welcome by the instructor

  • خوش‌آمدگویی مدرس و مرور کلی ماژول Welcome by the instructor - module overview

  • مقدمه‌ای بر سیستم‌های توصیه‌گر Introduction to Recommender Systems

  • تاکسونومی سیستم‌های توصیه‌گر Taxonomy of Recommender Systems

  • ماتریس محتوای آیتم Item-Content Matrix

  • ماتریس امتیازدهی کاربر User-Rating Matrix

  • استنباط ترجیحات Inferring Preferences

  • جمع‌بندی توسط مدرس Recap by the instructor

  • سیستم‌های توصیه‌گر غیرشخصی‌سازی شده Non-personalized Recommender Systems

  • اثرات جهانی Global Effects

  • نتیجه‌گیری توسط مدرس Conclusions by the instructor

ارزیابی سیستم‌های توصیه‌گر EVALUATION OF RECOMMENDER SYSTEMS

  • خوش‌آمدگویی مدرس و مرور کلی ماژول Welcome by the instructor - module overview

  • کیفیت سیستم‌های توصیه‌گر Quality of Recommender Systems

  • شاخص‌های کیفیت Quality Indicators

  • تکنیک‌های ارزیابی آنلاین Online Evaluation Techniques

  • تکنیک‌های ارزیابی آفلاین Offline Evaluation Techniques

  • بخش‌بندی مجموعه داده‌ها Dataset Partitioning

  • بیش‌برازش (Overfitting) Overfitting

  • جمع‌بندی توسط مدرس Recap by the instructor

  • معیارهای خطا Error Metrics

  • معیارهای طبقه‌بندی Classification Metrics

  • معیارهای رتبه‌بندی Ranking Metrics

  • نتیجه‌گیری توسط مدرس Conclusions by the instructor

فیلترینگ محتوا‌محور CONTENT-BASED FILTERING

  • خوش‌آمدگویی مدرس و مرور کلی ماژول Welcome by the instructor - module overview

  • فیلترینگ محتوا‌محور Content-based Filtering

  • شباهت کسینوسی Cosine Similarity

  • نمادگذاری ماتریسی Matrix Notation

  • الگوریتم K-نزدیک‌ترین همسایه K-Nearest Neighbours

  • جمع‌بندی توسط مدرس Recap by the instructor

  • بهبود ماتریس محتوای آیتم (ICM) Improving the ICM

  • الگوریتم TF-IDF TF-IDF

  • نتیجه‌گیری توسط مدرس Conclusions by the instructor

فیلترینگ همکاری‌محور COLLABORATIVE FILTERING

  • خوش‌آمدگویی مدرس و مرور کلی ماژول Welcome by the instructor - module overview

  • فیلترینگ همکاری‌محور Collaborative Filtering

  • فیلترینگ همکاری‌محور کاربر-محور User-based CF

  • جمع‌بندی توسط مدرس Recap by the instructor

  • فیلترینگ همکاری‌محور آیتم-محور Item-based CF

  • مقایسه کاربر-محور در مقابل آیتم-محور User-based vs. Item-based

  • مدل-محور در مقابل حافظه-محور Model-based vs. Memory-based

  • توصیه به عنوان قوانین انجمنی Recommendation as Association Rules

  • نتیجه‌گیری توسط مدرس Conclusions by the instructor

نمایش نظرات

آموزش سیستم‌های توصیه‌گر پایه
جزییات دوره
11h 50m
41
(آخرین آپدیت)
3,859
4.3 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