آموزش راهنمای مبتدیان نهایی برای سیستم‌های توصیه‌کننده پایتون

دانلود The Ultimate Beginners Guide to Python Recommender Systems

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: از فیلتر مشترک برای توصیه فیلم به کاربران استفاده کنید! پیاده سازی گام به گام از ابتدا! آشنایی با اصول اولیه سیستم های توصیه گر درک تئوری و محاسبات ریاضی فیلتر مشارکتی پیاده سازی فیلتر مشارکتی مبتنی بر کاربر و فیلتر مشارکتی مبتنی بر آیتم گام به گام در پایتون از کتابخانه های زیر برای سیستم های توصیه گر استفاده کنید: LibRecommender و Surprise از مجموعه داده MovieLens برای تولید فیلم استفاده کنید. توصیه هایی برای کاربران پیش نیازها: منطق برنامه نویسی برنامه نویسی پایه پایتون

سیستم های توصیه گر یک موضوع داغ در هوش مصنوعی هستند و به طور گسترده برای بسیاری از شرکت ها استفاده می شوند. آنها همه جا فیلم، موسیقی، ویدیو، محصولات، خدمات و غیره را توصیه می کنند. به عنوان مثال، هنگامی که تماشای یک فیلم در نتفلیکس را تمام می کنید، فیلم های دیگری که ممکن است دوست داشته باشید برای شما نشان داده می شوند. این نمونه کلاسیک سیستم توصیه‌کننده است!

در این دوره به صورت تئوری و عملی نحوه عملکرد سیستم های توصیه گر را خواهید آموخت! شما یک الگوریتم را بر اساس تکنیک فیلتر مشترک اعمال شده برای توصیه های فیلم (فیلتر مبتنی بر کاربر و فیلتر مبتنی بر آیتم) پیاده سازی خواهید کرد. ما قصد داریم از یک مجموعه داده کوچک برای آزمایش تمام محاسبات ریاضی استفاده کنیم. سپس، الگوریتم خود را با استفاده از مجموعه داده معروف MovieLens که بیش از 100000 نمونه دارد، آزمایش خواهیم کرد. در پایان دوره (پس از اجرای الگوریتم از ابتدا)، نحوه استفاده از دو کتابخانه از پیش ساخته شده را یاد خواهید گرفت: LibRecommender و Surprise!

آنچه این دوره را منحصر به فرد می کند این است که شما گام به گام از ابتدا در پایتون پیاده سازی می کنید و تمام محاسبات ریاضی را یاد می گیرید. این را می‌توان اولین دوره آموزشی سیستم‌های توصیه‌گر در نظر گرفت، بنابراین، اگر تا به حال در مورد نحوه پیاده‌سازی آن‌ها نشنیده‌اید، در پایان تمامی پیش‌زمینه‌های نظری و عملی برای توسعه پروژه‌های ساده و همچنین گذراندن دوره‌های پیشرفته‌تر را خواهید داشت. شما را در کلاس می بینیم!


سرفصل ها و درس ها

معرفی Introduction

  • محتوای دوره Course content

  • مقدمه ای بر سیستم های توصیه شده Introduction to recommender systems

  • کد منبع و اسلاید Source code and slides

جستجو برای کاربران مشابه Search for similar users

  • مجموعه داده های فیلم Movie dataset

  • تجزیه و تحلیل کاربران و بازخورد Analyzing users and feedbacks

  • فاصله اقلیدس - شهود Euclidian distance - intuition

  • فاصله اقلیدسی - پیاده سازی 1 Euclidian distance - implementation 1

  • فاصله اقلیدسی - پیاده سازی 2 Euclidian distance - implementation 2

  • شباهت بین کاربران Similarity between users

فیلتر کردن همکاری - فیلتر کردن کاربر مبتنی بر کاربر Collaborative filtering - user-based filtering

  • توصیه ها - شهود Recommendations - intuition

  • توصیه ها - پیاده سازی 1 Recommendations - implementation 1

  • توصیه ها - پیاده سازی 2 Recommendations - implementation 2

  • توصیه ها - پیاده سازی 3 Recommendations - implementation 3

  • فیلم های مشابه - شهود Similar movies - intuition

  • فیلم های مشابه - پیاده سازی Similar movies - implementation

  • مجموعه داده های Movielens MovieLens dataset

  • بارگیری مجموعه داده های Movielens Loading the MovieLens dataset

  • توصیه هایی با Movielens Recommendations with MovieLens

  • فیلم های مشابه و Movielens Similar movies and MovieLens

فیلتر کردن همکاری - فیلتر کردن مورد Collaborative filtering - item-based filtering

  • فیلتر کردن مورد بر اساس آیتم - شهود Item-based filtering - intuition

  • شباهت بین فیلم ها Similarity between movies

  • توصیه ها - پیاده سازی Recommendations - implementation

  • مجموعه داده های Movielens MovieLens dataset

  • فیلتر کردن مورد بر اساس کاربر بر اساس کاربر User-based vs Item-base filtering

کتابخانه ها برای سیستم های توصیه شده Libraries for recommender systems

  • آماده سازی مجموعه داده برای LibrecomeMender Preparing the dataset for LibRecommender

  • LibRecommender - فیلتر کردن مبتنی بر کاربر LibRecommender - user-based filtering

  • Librecommender - فیلتر کردن مورد LibRecommender - item-based filtering

  • کتاب مقدس Surprise library

اظهارات نهایی Final remarks

  • اظهارات نهایی Final remarks

  • جایزه BONUS

نمایش نظرات

آموزش راهنمای مبتدیان نهایی برای سیستم‌های توصیه‌کننده پایتون
جزییات دوره
4 hours
30
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
13,877
4.4 از 5
دارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jones Granatyr Jones Granatyr

استاد اولا! 10 مورد از جونز گراناتیر و ترابیلو در 10 سال گذشته است که شامل Inteligência Artificial (IA) می باشد استاد حرفه ای ، پشکیزادور و بنیانگذار پورتال IA Expert ، وب سایت com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA، como as exemplolo: یادگیری عمیق ، یادگیری ماشین ، علم داده ، Redes Neurais Artificiais، Algoritmos Genéticos، Detecção e Reconhecimento Facial، Algoritmos de cesos، Busca ، Mineração de Regras de Associação ، Sistemas Especialistas e Sistemas de Recomendação. اگر بخواهید از طریق برنامه های مختلف زبان (Python ، R e Java) و یا فن آوری های مختلف (tensorflow ، keras ، pandas ، sklearn ، opencv ، dlib ، weka ، nltk ، به عنوان مثال) استفاده کنید. با توجه به هدف اصلی و دستیابی به اطلاعات IA و مجوز فعالیت در TI و متقاضیان ، به عنوان تجدید نظر در زمینه استفاده از قوانین و مقررات و امکان مشاهده تجدید نظرهای جدید در زمینه مشروبات الکلی ارائه می شود.

IA Expert Academy IA Expert Academy

Plataforma de Cursos sobre Ciência de Dados و IAA plataforma IA Expert tem o Objetivo de trazer cursos teóricos and Páticos de facil entendimento sobre sobre Inteligência Artificial e Ciência de Dados، برای اینکه حرفه ای به عنوان یک IAcareos به عنوان یک رضایتمندی به عنوان یک رضایتمندی شناخته شود. trazer para seus negócios، bem como apresentar todas as oportunidades que essa área pode trazer para profissionais de tecnologia da informação. Também trazemos notícias atualizadas semanais sobre a área em nosso portal.

AI Expert Academy AI Expert Academy

مربی