نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره انواع مختلفی از تکنیک های توصیه را به شما آموزش می دهد تا موارد جدید را بر اساس تاریخچه تعاملات گذشته کاربران به منظور بهبود تجربه کلی کاربر و افزایش فروش و درآمد برای شرکت ارائه دهید. داده ها سوخت جدید دنیای مدرن و مصنوعی هستند. هوش شتاب دهنده است تقریباً هر جنبه ای از زندگی مدرن ما تحت تأثیر سیستم های داده محور است. سیستم توصیهگر یکی از این سیستمها است که از دادههای استفاده تاریخی برای ارائه توصیههای شخصی به مشتریان استفاده میکند که تجربه کلی مشتری را بهبود میبخشد و فروش و درآمد را برای شرکت افزایش میدهد. در این دوره آموزشی، Literacy Essentials: Core Concepts Recommender Systems، ساختن موتورهای توصیه را با کمک پایتون خواهید آموخت. ابتدا، می آموزید که سیستم های توصیه چیست و نحوه ارزیابی آنها را بررسی می کنید. در مرحله بعد، انواع مختلفی از تکنیک های توصیه را کشف خواهید کرد. سپس، فیلتر مشارکتی را با جزئیات بررسی خواهید کرد. در نهایت، نحوه ساخت سیستمهای توصیههای پیشرفته برای یک شرکت جهانی با استفاده از پایتون را پوشش خواهید داد. پس از اتمام این دوره، مهارتها و دانش سیستمهای توصیهکننده Literacy Essentials: Core Concepts Recommender برای افزایش فروش و همچنین تجربه کاربر بر اساس پیشنهادات محصول مناسب را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
مقدمه ای بر سیستم های توصیه
Introduction to Recommendation Systems
-
بررسی اجمالی
Overview
-
نمونه هایی از سیستم های توصیه کننده
Examples of Recommender Systems
-
تعریف سیستم توصیه کننده
Definition of Recommender System
-
مزایای سیستم های توصیه کننده
Benefits of Recommender Systems
-
انواع سیستم های توصیه کننده
Types of Recommender Systems
-
معیارهای ارزیابی سیستم های توصیه گر
Evaluation Criteria of Recommender Systems
-
خلاصه
Summary
سیستم های توصیه مبتنی بر فیلتر مشارکتی
Collaborative-filtering Based Recommendation Systems
-
بررسی اجمالی
Overview
-
مقدمه ای بر فیلترینگ مشارکتی
Introduction to Collaborative Filtering
-
نحوه تعیین کمیت شباهت
How to Quantify Similarity
-
فیلتر مشارکتی در محله
Collaborative Filtering in the Neighborhood
-
مزایا و معایب فیلتر مشارکتی
Pros and Cons of Collaborative Filtering
-
خلاصه
Summary
با استفاده از پایتون یک سیستم توصیه محصول برای Globomantics بسازید
Build a Product Recommendation System for Globomantics Using Python
-
بررسی اجمالی
Overview
-
کاوش داده ها
Data Exploration
-
پاکسازی داده ها
Data Cleaning
-
توصیه های غیر شخصی ایجاد کنید
Generate Non-personalized Recommendations
-
ایجاد ماتریس تعامل کاربر-مورد
Create User-item Interaction Matrix
-
با استفاده از فیلتر مشارکتی مبتنی بر کاربر، توصیه هایی ایجاد کنید
Generate Recommendations Using User Based Collaborative Filtering
-
با استفاده از فیلتر مشارکتی مبتنی بر آیتم، توصیه هایی ایجاد کنید
Generate Recommendations Using Item Based Collaborative Filtering
-
خلاصه
Summary
روش های دیگر برای ایجاد توصیه ها
Other Approaches to Generate Recommendations
-
بررسی اجمالی
Overview
-
سیستم های توصیه مبتنی بر محتوا
Content-based Recommendation Systems
-
سیستم های توصیه آگاهانه
Context-aware Recommendation Systems
-
سیستم های توصیه مبتنی بر مدل
Model-based Recommendation Systems
-
سیستم های توصیه ترکیبی
Hybrid Recommendation Systems
-
خلاصه
Summary
نمایش نظرات