آموزش ساخت پیشنهاد دهنده با هوش مصنوعی
آموزش ساخت پیشنهاد دهنده، شامل مبانی هوش مصنوعی، الگوریتم های پیشنهادی و پیاده سازی سیستم های پیشنهاد دهنده است.
سیستم پیشنهاد دهنده همان چیزی است که در دیجی کالا زیر هر محصول می بینید، و ساختنش به اندازه ای که به نظر می رسد پیچیده نیست. این دوره یک سیستم واقعی را با پایتون از صفر می سازد: داده نظرات محصول را به ماتریس تبدیل می کند، فاکتورگیری ماتریسی را پیاده می کند و آخر کار همان مدل را روی کاربر تازه وارد امتحان می کند.
مسیر ساخت، از داده خام تا پیشنهاد نهایی
- شروع دوره و پیش نیازها (۴ درس). می دانید با چه ابزاری کار می کنید
- پیشنهاد دادن یعنی چه (۳ درس). کاربردهای واقعی سیستم پیشنهاد دهنده را می شناسید
- دو روش اصلی پیشنهاد دادن (۲ درس). تفاوت روش محتوا محور و فیلترینگ مشارکتی را می دانید
- آشنایی با نام پای، سای پای و پانداس (۲ درس). داده را به شکل بردار و ماتریس می بینید
- ساخت اسکلت سیستم (۴ درس). داده نظرات را به ماتریس کاربر و محصول تبدیل می کنید
- فیلترینگ مشارکتی با فاکتورگیری ماتریسی (۴ درس). هسته الگوریتم را خودتان کد می زنید
- آزمایش سیستم (۳ درس). خروجی را ارزیابی و با تنظیم منظم سازی اصلاح می کنید
- استفاده در یک برنامه واقعی (۳ درس). برای کاربر تازه وارد هم پیشنهاد تولید می کنید
- قدم بعدی (۱ درس).
حجم دوره و فایل هایی که همراهش می آید
سطح دوره متوسط است و ۲۶ درس ویدیویی در ۹ بخش دارد. زیرنویس انگلیسی برای همه درس ها هست و یک فایل زیپ تمرین هم کنار ویدیوها در همان پوشه قرار دارد.
باید پایتون را در حد نوشتن تابع و کار با کتابخانه بلد باشید. آشنایی مقدماتی با ماتریس کمک می کند ولی دوره خودش مفهوم را توضیح می دهد.
برای چه کسی نوشته شده
برای برنامه نویسی که پایتون می داند و می خواهد اولین پروژه واقعی یادگیری ماشین اش یک چیز قابل نمایش باشد.
اگر پایتون بلد نیستید، این دوره از درس دوم شما را جا می گذارد؛ اول مقدمات زبان را تمام کنید.
ممکن است بپسندید
هنوز دیدگاهی ثبت نشده است.