لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
Recommender Systems دوره کامل مبتدی تا پیشرفته [ویدئو]
Recommender Systems Complete Course Beginner to Advanced [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
سیستمهای توصیهکننده الگوریتمهایی هستند که موارد مرتبط (فیلم، کتاب، محصولات یا خدمات) را به کاربران پیشنهاد میکنند. سیستم های توصیه گر در صنایع خاص برای ایجاد درآمدهای هنگفت کارآمد یا متمایز شدن از رقبا بسیار حیاتی هستند. این دوره با مفاهیم اولیه سیستم توصیه گر آغاز می شود. شما با استفاده از یادگیری ماشینی و عمیق با پایتون، طبقه بندی های مهم سیستم توصیه گر و توسعه مکانیزم سیستم توصیه گر را خواهید آموخت. پایتون به عنوان یک زبان برنامه نویسی در این دوره آموزش داده می شود تا مفاهیم یادگیری ماشینی و عمیق را به طور موثر پیاده سازی کند. شما یک موتور توصیهگر مبتنی بر k نزدیکترین همسایه را برای کاربردهای مختلف مدلسازی میکنید و مزایا و معایب مکانیسمهای مبتنی بر یادگیری عمیق را میشناسید. شما یک سیستم توصیهکننده برای برنامههایی مانند Spotify خواهید ساخت و فیلترهای مشارکتی عصبی و رمزگذارهای خودکار متغیر را برای فیلترهای مشترک بررسی میکنید. شما ماتریس های مختلف (زمینه آیتم، رتبه بندی کاربر و خطا) را بررسی خواهید کرد. شما کیفیت سیستم توصیهکننده، تکنیکهای ارزیابی آنلاین/آفلاین، پارتیشنبندی مجموعه دادهها و برازش بیش از حد را درک خواهید کرد. پس از اتمام دوره، نقش و تأثیر سیستم های توصیه گر در برنامه های کاربردی دنیای واقعی را با تجربه عملی منحصر به فرد در توسعه موتورهای سیستم توصیه گر کامل برای مجموعه داده های سفارشی شده در پروژه های مختلف درک خواهید کرد. همه منابع در دسترس هستند: https://github.com/PacktPublishing/Recommender-Systems-Complete-Course-Beginner-to-Advance کاوش سیستم های توصیه گر با هوش مصنوعی یکپارچه ساخت سیستم های توصیه کننده مبتنی بر آیتم با یادگیری ماشین/Python درک حرفه ای ها و معایب یادگیری عمیق در سیستمهای توصیهگر مدلهای اولیه شبکه عصبی را برای توصیهها بیاموزید درک مکانیسم رویکردهای مبتنی بر یادگیری عمیق عمومی پیادهسازی مدلهای دو برج برای توسعه یک سیستم توصیهگر این دوره برای افرادی طراحی شده است که میخواهند ماشین کاربردی/عمیق خود را پیش ببرند. یادگیری و تسلط بر تجزیه و تحلیل داده ها؛ افرادی که مایلند سیستم های توصیه گر سفارشی برای برنامه های خود بسازند و الگوریتم های یادگیری ماشینی/عمیق را پیاده سازی کنند. افراد علاقه مند به محتوا و مبتنی بر فیلتر مشارکتی و دو سیستم توصیه گر مبتنی بر برج. متخصصان ماشین و یادگیری عمیق، محققان پژوهشی و دانشمندان داده نیز از این دوره بهره مند خواهند شد. به عنوان پیش نیاز، هیچ سیستم توصیه کننده قبلی، ML، دانش تجزیه و تحلیل داده ها مورد نیاز نیست. دانش پایه پایتون مورد نیاز است. این بسته کامل به بررسی برنامه های سیستم توصیه گر و یادگیری ماشینی/عمیق با پایتون می پردازد
* آموزش پیاده سازی سیستم های توصیه گر مبتنی بر یادگیری عمیق و پیاده سازی مدل دو برج
* مفاهیم مبتنی بر محتوا را برای یک سیستم توصیهگر مبتنی بر آیتم با یادگیری ماشین و پایتون کاوش کنید
سرفصل ها و درس ها
معرفی
Introduction
معرفی ماژول و مدرس
Module and Instructor Introduction
علوم هوش مصنوعی
AI Sciences
طرح کلی دوره
Course Outline
سیستم های توصیه کننده یادگیری ماشین
Machine Learning Recommender Systems
سیستم های توصیه کننده یادگیری عمیق
Deep Learning Recommender Systems
سیستم های پیشنهادی با یادگیری ماشینی
Recommender Systems with Machine Learning
انگیزه برای سیستم توصیهکننده: بررسی اجمالی سیستمهای توصیهکننده
Motivation for Recommender System: Recommender Systems Overview
انگیزه برای سیستم توصیهکننده: مقدمهای بر سیستمهای توصیهکننده
Motivation for Recommender System: Introduction to Recommender Systems
انگیزه برای سیستم توصیهکننده: فرآیند و اهداف سیستمهای توصیهکننده
Motivation for Recommender System: Recommender Systems Process and Goals
انگیزه برای سیستم توصیهکننده: نسلهای سیستمهای توصیهکننده
Motivation for Recommender System: Generations of Recommender Systems
انگیزه برای سیستم توصیهکننده: پیوند هوش مصنوعی و سیستمهای توصیهکننده
Motivation for Recommender System: Nexus of AI and Recommender Systems
انگیزه برای سیستم توصیهکننده: برنامههای کاربردی و چالشهای دنیای واقعی
Motivation for Recommender System: Applications and Real-World Challenges
انگیزه برای سیستم توصیه کننده: آزمون
Motivation for Recommender System: Quiz
انگیزه برای سیستم توصیه کننده: راه حل آزمون
Motivation for Recommender System: Quiz Solution
مبانی سیستم توصیه گر: مرور کلی
Basics of Recommender System: Overview
مبانی سیستم توصیهکننده: طبقهبندی سیستمهای توصیهکننده
Basics of Recommender System: Taxonomy of Recommender Systems
مبانی سیستم توصیه کننده: ICM
Basics of Recommender System: ICM
مبانی سیستم توصیهکننده: ماتریس رتبهبندی کاربران
Basics of Recommender System: User Rating Matrix
مبانی سیستم توصیه کننده: کیفیت سیستم توصیه کننده
Basics of Recommender System: Quality of Recommender System
مبانی سیستم توصیه گر: تکنیک های ارزیابی آنلاین
Basics of Recommender System: Online Evaluation Techniques
مبانی سیستم توصیهکننده: تکنیکهای ارزیابی آفلاین
Basics of Recommender System: Offline Evaluation Techniques
مبانی سیستم توصیه گر: پارتیشن بندی داده ها
Basics of Recommender System: Data Partitioning
مبانی سیستم توصیه کننده: پارامترهای مهم
Basics of Recommender System: Important Parameters
مبانی سیستم توصیه گر: محاسبه متریک خطا
Basics of Recommender System: Error Metric Computation
مبانی سیستم توصیه گر: فیلترینگ مبتنی بر محتوا
Basics of Recommender System: Content-Based Filtering
مبانی سیستم توصیه کننده: فیلتر مشارکتی و فیلتر مشارکتی مبتنی بر کاربر
Basics of Recommender System: Collaborative Filtering and User-Based Collaborative Filtering
مبانی سیستم توصیه کننده: مدل آیتم و فیلتر مشارکتی مبتنی بر حافظه
Basics of Recommender System: Item Model and Memory-Based Collaborative Filtering
مبانی سیستم توصیه گر: آزمون
Basics of Recommender System: Quiz
مبانی سیستم توصیه گر: راه حل آزمون
Basics of Recommender System: Quiz Solution
یادگیری ماشین برای سیستمهای توصیهکننده: بررسی اجمالی
Machine Learning for Recommender Systems: Overview
یادگیری ماشین برای سیستمهای توصیهکننده: مزایای یادگیری ماشین
Machine Learning for Recommender Systems: Benefits of Machine Learning
یادگیری ماشین برای سیستمهای توصیهگر: دستورالعملهایی برای ML
Machine Learning for Recommender Systems: Guidelines for ML
یادگیری ماشین برای سیستمهای توصیهگر: رویکردهای طراحی برای ML
Machine Learning for Recommender Systems: Design Approaches for ML
یادگیری ماشین برای سیستمهای توصیهکننده: فیلترینگ مبتنی بر محتوا
Machine Learning for Recommender Systems: Content-Based Filtering
یادگیری ماشین برای سیستمهای توصیهکننده: آمادهسازی دادهها برای فیلتر کردن مبتنی بر محتوا
Machine Learning for Recommender Systems: Data Preparation for Content-Based Filtering
یادگیری ماشین برای سیستمهای توصیهکننده: دستکاری دادهها برای فیلتر کردن مبتنی بر محتوا
Machine Learning for Recommender Systems: Data Manipulation for Content-Based Filtering
یادگیری ماشینی برای سیستمهای توصیهکننده: بررسی ژانرها در فیلترینگ مبتنی بر محتوا
Machine Learning for Recommender Systems: Exploring Genres in Content-Based Filtering
یادگیری ماشین برای سیستم های توصیه کننده: ماتریس tf-idf
Machine Learning for Recommender Systems: tf-idf Matrix
یادگیری ماشین برای سیستم های توصیه کننده: موتور توصیه
Machine Learning for Recommender Systems: Recommendation Engine
یادگیری ماشین برای سیستمهای توصیهگر: ارائه توصیهها
Machine Learning for Recommender Systems: Making Recommendations
یادگیری ماشین برای سیستمهای توصیهکننده: فیلتر مشارکتی مبتنی بر آیتم
Machine Learning for Recommender Systems: Item-Based Collaborative Filtering
یادگیری ماشین برای سیستمهای توصیهکننده: آمادهسازی دادههای فیلترینگ مبتنی بر آیتم
Machine Learning for Recommender Systems: Item-Based Filtering Data Preparation
یادگیری ماشین برای سیستمهای توصیهکننده: توزیع سنی برای کاربران
Machine Learning for Recommender Systems: Age Distribution for Users
یادگیری ماشین برای سیستمهای توصیهکننده: فیلتر مشارکتی با استفاده از KNN
Machine Learning for Recommender Systems: Collaborative Filtering using KNN
یادگیری ماشین برای سیستم های توصیه گر: فیلتر جغرافیایی
Machine Learning for Recommender Systems: Geographic Filtering
یادگیری ماشین برای سیستم های توصیه کننده: پیاده سازی KNN
Machine Learning for Recommender Systems: KNN Implementation
یادگیری ماشین برای سیستمهای توصیهگر: ارائه توصیههایی با فیلتر مشارکتی
Machine Learning for Recommender Systems: Making Recommendations with Collaborative Filtering
یادگیری ماشین برای سیستمهای توصیهکننده: فیلتر مشارکتی مبتنی بر کاربر
Machine Learning for Recommender Systems: User-Based Collaborative Filtering
یادگیری ماشین برای سیستمهای توصیهکننده: آزمون
Machine Learning for Recommender Systems: Quiz
یادگیری ماشین برای سیستمهای توصیهکننده: راهحل آزمون
Machine Learning for Recommender Systems: Quiz Solution
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلترینگ مبتنی بر محتوا: معرفی پروژه
Project 1: Song Recommendation System Using Content-Based Filtering: Project Introduction
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلتر مبتنی بر محتوا: استفاده از مجموعه داده
Project 1: Song Recommendation System Using Content-Based Filtering: Dataset Usage
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلتر مبتنی بر محتوا: مقادیر گمشده
Project 1: Song Recommendation System Using Content-Based Filtering: Missing Values
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلترینگ مبتنی بر محتوا: کاوش در ژانرها
Project 1: Song Recommendation System Using Content-Based Filtering: Exploring Genres
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلتر مبتنی بر محتوا: تعداد رخداد
Project 1: Song Recommendation System Using Content-Based Filtering: Occurrence Count
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلتر مبتنی بر محتوا: پیاده سازی tf-idf
Project 1: Song Recommendation System Using Content-Based Filtering: tf-idf Implementation
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلتر مبتنی بر محتوا: فهرست شباهت
Project 1: Song Recommendation System Using Content-Based Filtering: Similarity Index
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلتر مبتنی بر محتوا: پیاده سازی فازی ووززی
Project 1: Song Recommendation System Using Content-Based Filtering: Fuzzywuzzy Implementation
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلترینگ مبتنی بر محتوا: عنوان st را پیدا کنید
Project 1: Song Recommendation System Using Content-Based Filtering: Find st Title
پروژه 1: سیستم توصیه آهنگ با استفاده از فیلترینگ مبتنی بر محتوا: ارائه توصیه ها
Project 1: Song Recommendation System Using Content-Based Filtering: Making Recommendations
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: معرفی پروژه
Project 2: Movie Recommendation System Using Collaborative Filtering: Project Introduction
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: بحث مجموعه داده
Project 2: Movie Recommendation System Using Collaborative Filtering: Dataset Discussion
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: طرح رتبه بندی
Project 2: Movie Recommendation System Using Collaborative Filtering: Rating Plot
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: تعداد
Project 2: Movie Recommendation System Using Collaborative Filtering: Count
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: لگاریتم شمارش
Project 2: Movie Recommendation System Using Collaborative Filtering: Logarithm of Count
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: کاربران فعال و فیلم های محبوب
Project 2: Movie Recommendation System Using Collaborative Filtering: Active Users and Popular Movies
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: فیلتر مشارکتی ایجاد کنید
Project 2: Movie Recommendation System Using Collaborative Filtering: Create Collaborative Filter
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشترک: پیاده سازی KNN
Project 2: Movie Recommendation System Using Collaborative Filtering: KNN Implementation
پروژه 2: سیستم توصیه فیلم با استفاده از فیلتر مشارکتی: ایجاد توصیه
Project 2: Movie Recommendation System Using Collaborative Filtering: Making Recommendations
یادگیری عمیق برای سیستم های توصیه کننده: یک رویکرد کاربردی
Deep Learning for Recommender Systems: An Applied Approach
بنیاد یادگیری عمیق برای سیستمهای توصیهکننده: معرفی ماژول
Deep Learning Foundation for Recommender Systems: Module Introduction
بنیاد یادگیری عمیق برای سیستم های توصیه کننده: بررسی اجمالی
Deep Learning Foundation for Recommender Systems: Overview
بنیاد یادگیری عمیق برای سیستم های توصیه کننده: یادگیری عمیق در سیستم های توصیه
Deep Learning Foundation for Recommender Systems: Deep Learning in Recommendation systems
بنیاد یادگیری عمیق برای سیستم های توصیه گر: استنتاج پس از آموزش
Deep Learning Foundation for Recommender Systems: Inference After Training
بنیاد یادگیری عمیق برای سیستم های توصیه کننده: مکانیسم استنتاج
Deep Learning Foundation for Recommender Systems: Inference Mechanism
بنیاد یادگیری عمیق برای سیستمهای توصیهکننده: جاسازیها و زمینه کاربر
Deep Learning Foundation for Recommender Systems: Embeddings and User Context
بنیاد یادگیری عمیق برای سیستمهای توصیهکننده: فیلتر مشارکتی عصبی
Deep Learning Foundation for Recommender Systems: Neural Collaborative Filtering
بنیاد یادگیری عمیق برای سیستمهای توصیهکننده: VAE Collaborative Filtering
Deep Learning Foundation for Recommender Systems: VAE Collaborative Filtering
بنیاد یادگیری عمیق برای سیستمهای توصیهکننده: نقاط قوت و ضعف مدلهای DL
Deep Learning Foundation for Recommender Systems: Strengths and Weaknesses of DL Models
بنیاد یادگیری عمیق برای سیستمهای توصیهکننده: آزمون یادگیری عمیق
Deep Learning Foundation for Recommender Systems: Deep Learning Quiz
بنیاد یادگیری عمیق برای سیستم های توصیه کننده: راه حل آزمون یادگیری عمیق
Deep Learning Foundation for Recommender Systems: Deep Learning Quiz Solution
سیستم توصیه محصول پروژه آمازون: مرور کلی ماژول
Project Amazon Product Recommendation System: Module Overview
نمایش نظرات