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 neural dan Mesin Boltzmann Terbatas (RBM)
-
Buat rekomendasi berbasis sesi dengan jaringan neural berulang dan Gated Recurrent Units (GRU)
-
Buat kerangka kerja untuk menguji dan mengevaluasi algoritme rekomendasi dengan Python
-
Terapkan pengukuran yang tepat untuk keberhasilan sistem pemberi rekomendasi
-
Buat 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-sama dalam pendekatan hybrid dan ensembel
-
Gunakan Apache Spark untuk menghitung rekomendasi dalam skala besar pada sebuah cluster
-
Gunakan K-Nearest-Neighbours untuk merekomendasikan item kepada pengguna
-
Selesaikan masalah “start cold” dengan rekomendasi berbasis konten
-
Pahami 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 skrip (lebih disukai Python)
-
Beberapa latar belakang ilmu komputer, dan kemampuan untuk memahami algoritma baru.
Deskripsi
Anda telah melihat rekomendasi otomatis di mana-mana – di halaman 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 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 terus 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.
Sistem pemberi rekomendasi itu rumit; Tidak ada resep untuk diikuti tentang bagaimana membuat sistem pemberi rekomendasi; Anda perlu memahami berbagai algoritme dan cara memilih kapan harus menerapkan masing-masing algoritme untuk situasi tertentu.
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 neural 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 saraf tiruan ke dalam rekomendasi
- Rekomendasi berbasis sesi dengan jaringan saraf rekursif
- Menskalakan ke kumpulan data besar 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 hibrida, rekomendasi ansambel
Kursus komprehensif ini membawa Anda jauh-jauh dari hari-hari awal pemfilteran kolaboratif, hingga aplikasi mutakhir jaringan neural dalam dan teknik pembelajaran mesin modern untuk merekomendasikan item terbaik kepada setiap pengguna.
Latihan pengkodean pada kursus ini menggunakan bahasa pemrograman Python . Kami menyertakan intro ke 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 untuk bekerja di perusahaan e-niaga atau web besar
- Ilmuwan Komputer tertarik dengan teori dan penelitian sistem pemberi rekomendasi terbaru
