Apa yang akan Anda pelajari
-
Pahami dan terapkan pemfilteran kolaboratif berbasis pengguna dan berbasis item untuk merekomendasikan item kepada pengguna
-
Buat rekomendasi menggunakan pembelajaran mendalam dalam skala besar
-
Membangun mesin rekomendasi dengan jaringan neural dan Restricted Boltzmann Machines (RBM’s)
-
Buat rekomendasi berbasis sesi dengan jaringan saraf berulang dan Gated Recurrent Units (GRU)
-
Bangun kerangka kerja untuk menguji dan mengevaluasi algoritme rekomendasi dengan Python
-
Terapkan pengukuran yang tepat untuk keberhasilan sistem pemberi rekomendasi
-
Bangun sistem pemberi rekomendasi dengan metode faktorisasi matriks seperti SVD dan SVD++
-
Terapkan pembelajaran dunia nyata dari Netflix dan YouTube ke proyek rekomendasi Anda sendiri
-
Gabungkan banyak algoritme rekomendasi bersama dalam pendekatan hibrid dan ansambel
-
Gunakan Apache Spark untuk menghitung rekomendasi dalam skala besar di sebuah kluster
-
Gunakan K-Nearest-Neighbors untuk merekomendasikan item kepada pengguna
-
Selesaikan masalah dengan rekomendasi berbasis konten
-
Memahami solusi untuk masalah umum dengan sistem pemberi rekomendasi berskala besar
Keterangan
Diperbarui dengan Rekomendasi Tensorflow (TFRS) dan Jaringan Adversarial Generatif untuk rekomendasi (GAN)
Anda telah melihat rekomendasi otomatis di mana saja – di beranda Netflix, di YouTube, dan di Amazon karena algoritme pembelajaran mesin ini mempelajari minat unik Anda, dan menampilkan produk atau konten terbaik untuk Anda sebagai individu. Teknologi ini telah menjadi inti dari perusahaan teknologi terbesar dan paling bergengsi di luar sana, dan dengan memahami cara kerjanya, Anda akan menjadi sangat berharga bagi mereka.
Kami akan membahas algoritme rekomendasi yang telah dicoba dan benar berdasarkan pemfilteran kolaboratif berbasis lingkungan, dan meningkatkan teknik kami hingga teknik yang lebih modern termasuk faktorisasi matriks dan bahkan pembelajaran mendalam dengan jaringan saraf tiruan. Sepanjang kursus, Anda akan belajar dari pengalaman industri yang luas untuk memahami tantangan dunia nyata yang akan Anda temui saat menerapkan algoritme ini dalam skala besar dan dengan data dunia nyata.
Namun, kursus ini sangat praktis ; Anda akan mengembangkan kerangka kerja Anda sendiri untuk mengevaluasi dan menggabungkan banyak algoritme rekomendasi yang berbeda secara bersamaan, dan Anda bahkan akan membangun jaringan saraf Anda sendiri menggunakan Tensorflow untuk menghasilkan rekomendasi dari rating film dunia nyata dari orang sungguhan. Kami akan membahas:
- Membangun mesin rekomendasi
- Mengevaluasi sistem pemberi rekomendasi
- Pemfilteran berbasis konten menggunakan atribut item
- Pemfilteran kolaboratif berbasis lingkungan dengan berbasis pengguna, berbasis item, dan KNN CF
- Metode berbasis model termasuk faktorisasi matriks dan SVD
- Menerapkan pembelajaran mendalam, AI, dan jaringan syaraf tiruan untuk rekomendasi
- Menggunakan framework terbaru dari Tensorflow ( TFRS ) dan Amazon Personalize.
- Rekomendasi berbasis sesi dengan jaringan saraf rekursif
- Menskalakan ke kumpulan data masif dengan pembelajaran mesin Apache Spark , pembelajaran mendalam Amazon DSSTNE , dan AWS SageMaker dengan mesin faktorisasi
- Tantangan dan solusi dunia nyata dengan sistem pemberi rekomendasi
- Studi kasus dari YouTube dan Netflix
- Membangun hybrid, ansambel pemberi rekomendasi
- “Bleeding edge alerts” yang mencakup penelitian terbaru di bidang sistem pemberi rekomendasi
Kursus komprehensif ini membawa Anda jauh-jauh dari hari-hari awal pemfilteran kolaboratif, hingga aplikasi mutakhir jaringan saraf dalam dan teknik pembelajaran mesin modern untuk merekomendasikan item terbaik kepada setiap pengguna individu.
Latihan koding pada kursus ini menggunakan bahasa pemrograman Python . Kami menyertakan intro ke Python jika Anda baru mengenalnya, tetapi Anda memerlukan beberapa pengalaman pemrograman sebelumnya untuk menggunakan kursus ini dengan sukses. Kami juga menyertakan pengantar singkat untuk pembelajaran mendalam jika Anda baru di bidang kecerdasan buatan, tetapi Anda harus dapat memahami algoritme komputer baru.
Untuk siapa kursus ini:
- Pengembang perangkat lunak tertarik untuk menerapkan pembelajaran mesin dan pembelajaran mendalam untuk rekomendasi produk atau konten
- Insinyur yang bekerja di, atau tertarik untuk bekerja di perusahaan e-commerce atau web besar
- Ilmuwan Komputer tertarik dengan teori dan penelitian sistem pemberi rekomendasi terbaru