Projektowanie systemów rekomendacji z uczeniem maszynowym

W świecie nieskończonego wyboru personalizacja jest kluczem do utrzymania zaangażowania i satysfakcji użytkowników.Ten kurs przeprowadzi Cię przez podstawowe koncepcje, zasady matematyczne i praktyczne algorytmy używane do budowania nowoczesnych systemów rekomendacji. Będziesz przechodzić od zrozumienia podstawowych koncepcji rekomendacji do projektowania, wdrażania i oceny inteligentnych systemów.Dzięki jasnym pisemnym wyjaśnieniom i uporządkowanym przewodnikom po kodzie zdobędziesZdobędziesz umiejętności wdražania filtrowania opartego na współpracy, systemów opartych na treści i zaawansowanych metod głębokiego uczenia się. Co się nauczysz: Zrozumienie podstawowych koncepcji rekomendacji, interakcji użytkownika z elementami i technik przygotowywania danych; Budowanie modeli filtrowania współpracy za pomocą metryk faktorizacji macierzy i podobieństwa; Opracowanie systemów filtrowania treści wykorzystujących przetwarzanie tekstu i metadane elementów; Zastosuj architektury głębokiego uczenia się, w tym Wdrażaj nowoczesne koncepcje baz danych wektorowych w celu skalowania zaleceń z osadzaniem; Oceń wydajność systemu za pomocą wskaźników offline, takich jak precyzja, przywołanie i NDCG. Podróż zaczyna się od podstawowej terminologii i prostych miar podobieństwa, a następnie przechodzi do rozkładu macierzy, sieci neuronowych i nowoczesnych wzorców skalowalności.Każda koncepcja jest wzmocniona praktycznymi fragmentami kodu opartymi na Pythonie, które można czytać, analizować i stosować. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, programistów i umysłów analitycznych, które są nowe dla silników rekomendacji; podstawowa znajomość Pythona jest pomocna, ale nie jest wymagane wcześniejsze doświadczenie w uczeniu maszynowym.