Apa yang akan Anda pelajari
-
Pahami dan terapkan rekomendasi yang akurat untuk pengguna Anda menggunakan algoritme yang sederhana dan canggih
-
Faktorisasi matriks data besar di Spark dengan klaster AWS EC2
-
Faktorisasi matriks / SVD dalam Numpy murni
-
Faktorisasi matriks di Keras
-
Jaringan neural dalam, jaringan sisa, dan pembuat kode otomatis di Keras
-
Mesin Boltzmann Terbatas di Tensorflow
Persyaratan
-
Untuk bagian sebelumnya, cukup ketahui beberapa aritmatika dasar
-
Untuk bagian lanjutan, ketahui kalkulus, aljabar linier, dan probabilitas untuk pemahaman yang lebih dalam
-
Mahir dalam Python dan Numpy
-
Untuk bagian pembelajaran mendalam, ketahui dasar-dasar menggunakan Keras
Deskripsi
Percaya atau tidak, hampir semua bisnis online saat ini menggunakan sistem pemberi rekomendasi dalam beberapa cara.
Apa yang saya maksud dengan “sistem pemberi rekomendasi”, dan mengapa sistem itu berguna?
Mari kita lihat 3 situs web teratas di Internet, menurut Alexa: Google, YouTube, dan Facebook.
Sistem pemberi rekomendasi membentuk dasar dari teknologi ini.
Google : Hasil pencarian
Itulah mengapa Google menjadi perusahaan teknologi paling sukses saat ini.
YouTube : Dasbor video
Saya yakin saya bukan satu-satunya yang secara tidak sengaja menghabiskan waktu berjam – jam di YouTube ketika saya memiliki lebih banyak hal penting untuk dilakukan! Bagaimana mereka meyakinkan Anda untuk melakukan itu?
Betul sekali. Sistem pemberi rekomendasi!
Facebook : Begitu kuatnya sehingga pemerintah dunia khawatir bahwa umpan berita memiliki pengaruh yang terlalu besar pada orang-orang!
Luar biasa!
Kursus ini adalah sekumpulan besar trik yang membuat sistem pemberi rekomendasi berfungsi di berbagai platform.
Kami akan melihat algoritme umpan berita populer, seperti Reddit , Hacker News , dan Google PageRank .
Kita akan melihat teknik rekomendasi Bayesian yang digunakan oleh banyak perusahaan media saat ini.
Tapi kursus ini bukan hanya tentang umpan berita.
Perusahaan seperti Amazon , Netflix , dan Spotify telah menggunakan rekomendasi untuk menyarankan produk, film, dan musik kepada pelanggan selama bertahun-tahun sekarang.
Algoritme ini telah menghasilkan pendapatan tambahan miliaran dolar.
Jadi saya yakinkan Anda, apa yang akan Anda pelajari dalam kursus ini sangat nyata, sangat dapat diterapkan, dan akan berdampak besar pada bisnis Anda.
Bagi Anda yang suka menggali lebih dalam teori untuk memahami bagaimana hal – hal sebenarnya bekerja, Anda tahu ini adalah spesialisasi saya dan tidak akan ada kekurangannya dalam kursus ini. Kami akan mencakup keadaan algoritma seni seperti matriks faktorisasi dan pembelajaran yang mendalam (memanfaatkan baik diawasi dan tidak diawasi belajar – Autoencoders dan Dibatasi Boltzmann Mesin ), dan Anda akan belajar satu tas penuh trik untuk memperbaiki hasil dasar.
Sebagai bonus, kami juga akan melihat cara melakukan faktorisasi matriks menggunakan data besar di Spark . Kami akan membuat klaster menggunakan instans Amazon EC2 dengan Amazon Web Services (AWS) . Sebagian besar kursus lain melihat kumpulan data MovieLens 100k – itu lemah! Contoh kami menggunakan 20 juta MovieLens.
Baik Anda menjual produk di toko e-niaga, atau hanya menulis blog – Anda dapat menggunakan teknik ini untuk menunjukkan rekomendasi yang tepat kepada pengguna Anda di waktu yang tepat.
Jika Anda seorang karyawan di sebuah perusahaan, Anda dapat menggunakan teknik ini untuk mengesankan manajer Anda dan mendapatkan kenaikan gaji!
Untuk siapa kursus ini:
- Siapapun yang memiliki atau menjalankan bisnis Internet
- Siswa dalam pembelajaran mesin, pembelajaran mendalam, kecerdasan buatan, dan ilmu data
- Profesional dalam pembelajaran mesin, pembelajaran mendalam, kecerdasan buatan, dan ilmu data
