Apa yang akan Anda pelajari?
-
Memahami dan menerapkan pemfilteran kolaboratif berbasis pengguna dan berbasis item untuk merekomendasikan item kepada pengguna
-
Buat rekomendasi menggunakan pembelajaran mendalam dalam skala besar
-
Bangun sistem pemberi rekomendasi dengan jaringan saraf dan Restricted Boltzmann Machines (RBM)
-
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 dari keberhasilan sistem 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 hybrid dan ensemble
-
Gunakan Apache Spark untuk menghitung rekomendasi dalam skala besar di sebuah cluster
-
Gunakan K-Nearest-Neighbors untuk merekomendasikan item kepada pengguna
-
Selesaikan masalah “awal dingin” dengan rekomendasi berbasis konten
-
Memahami solusi untuk masalah umum dengan sistem pemberi rekomendasi skala besar
Persyaratan
-
PC Windows, Mac, atau Linux dengan setidaknya 3GB ruang disk kosong.
-
Beberapa pengalaman dengan bahasa pemrograman atau scripting (lebih disukai Python)
-
Beberapa latar belakang ilmu komputer, dan kemampuan untuk memahami algoritma baru.
Keterangan
Baru di tahun 2021! Diperbarui dengan Tensorflow Recommenders (TFRS) dan Generative Adversarial Networks untuk rekomendasi (GAN)
Anda telah melihat rekomendasi otomatis di mana saja – di beranda Netflix, di YouTube, dan di Amazon saat algoritme pembelajaran mesin ini mempelajari minat unik Anda, dan menampilkan produk atau konten terbaik untuk Anda sebagai individu. Teknologi ini telah menjadi pusat bagi 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 mengembangkan teknik yang lebih modern termasuk faktorisasi matriks dan bahkan pembelajaran mendalam dengan jaringan saraf tiruan. Sepanjang jalan, Anda akan belajar dari pengalaman industri yang luas untuk memahami tantangan dunia nyata yang akan Anda hadapi 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 bersama-sama, dan Anda bahkan akan membangun jaringan saraf Anda sendiri menggunakan Tensorflow untuk menghasilkan rekomendasi dari peringkat 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 saraf tiruan ke rekomendasi
- Menggunakan kerangka kerja terbaru dari Tensorflow ( TFRS ) dan Amazon Personalize.
- Rekomendasi berbasis sesi dengan jaringan saraf rekursif
- Menskalakan ke set data besar dengan pembelajaran mesin Apache Spark , pembelajaran mendalam Amazon DSSTNE , dan AWS SageMaker dengan mesin faktorisasi
- Tantangan dan solusi dunia nyata dengan sistem rekomendasi
- Studi kasus dari YouTube dan  Netflix
- Membangun hibrida, rekomendasi ensemble
Kursus komprehensif ini membawa Anda mulai dari hari-hari awal penyaringan kolaboratif, hingga aplikasi mutakhir jaringan saraf dalam dan teknik pembelajaran mesin modern untuk merekomendasikan item terbaik kepada setiap pengguna individu.
Latihan coding ini menggunakan bahasa pemrograman Python . Kami menyertakan pengantar Python jika Anda baru mengenalnya, tetapi Anda memerlukan pengalaman pemrograman sebelumnya agar dapat 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 yang tertarik untuk menerapkan pembelajaran mesin dan pembelajaran mendalam pada rekomendasi produk atau konten
- Insinyur yang bekerja di, atau tertarik bekerja di perusahaan e-commerce atau web besar
- Ilmuwan Komputer tertarik dengan teori dan penelitian sistem rekomendasi terbaru
