Tin mới nhất

Menu

Chia Sẻ Khóa Học Recommender System Và Deep Learning Trong Python [Update Tháng 10-2022] [Khóa 7717 A]

Khóa học chuyên sâu nhất về hệ thống gợi ý với các kỹ thuật deep learning, machine learning, data science, và AI.

Bạn sẽ học được gì:

  • ✓ Hiểu và triển khai các đề xuất chính xác cho người dùng của bạn bằng các thuật toán đơn giản và hiện đại.
  • ✓ Big data matrix factorization trên Spark với một AWS EC2 cluster.
  • ✓ Matrix factorization / SVD trong Numpy thuần túy.
  • ✓ Matrix factorization trong Keras.
  • ✓ Deep neural networks, residual networks, và autoencoder trong Keras.
  • ✓ Restricted Boltzmann Machine trong Tensorflow.

Tin hay không tùy bạn, hầu như tất cả các doanh nghiệp trực tuyến ngày nay đều sử dụng các hệ thống gợi ý (recommender system) theo cách này hay cách khác.

Ý tôi là gì về “recommender system”, và tại sao chúng lại hữu ích?

Hãy xem 3 trang web hàng đầu trên Internet, theo Alexa: Google, YouTube và Facebook.

Các Recommender system là nền tảng của những công nghệ này.

Google : Kết quả tìm kiếm.

Đó là lý do tại sao Google là công ty công nghệ thành công nhất hiện nay.

YouTube : Video dashboard.

Tôi chắc rằng mình không phải là người duy nhất vô tình dành hàng giờ trên YouTube khi tôi có nhiều việc quan trọng hơn phải làm! Làm thế nào để họ thuyết phục bạn làm điều đó?

Đúng rồi. Recommender system!

Facebook : Quyền lực đến mức các chính phủ trên thế giới lo ngại rằng newsfeed có quá nhiều ảnh hưởng đến mọi người! (Hoặc có thể họ đang lo lắng về việc mất đi sức mạnh của chính mình ... hmm ...)!

Kinh ngạc!

Khóa học này là một loạt các thủ thuật giúp hệ thống gợi ý hoạt động trên nhiều nền tảng.

Chúng ta sẽ xem xét các thuật toán news feed phổ biến, như Reddit, Hacker News, và Google PageRank.

Chúng ta sẽ xem xét các kỹ thuật gợi ý của Bayes đang được một số lượng lớn các công ty truyền thông sử dụng ngày nay.

Nhưng khóa học này không chỉ về news feeds.

Các công ty như Amazon, Netflix và Spotify đã sử dụng các gợi ý để đề xuất sản phẩm, phim và nhạc cho khách hàng trong nhiều năm nay.

Các thuật toán này đã dẫn đến doanh thu tăng thêm hàng tỷ đô la.

Vì vậy, tôi đảm bảo với bạn rằng, những gì bạn sắp học trong khóa học này là rất thực tế, rất có thể áp dụng và sẽ có tác động rất lớn đến công việc kinh doanh của bạn.

Đối với những bạn thích đào sâu lý thuyết để hiểu mọi thứ thực sự hoạt động như thế nào, bạn biết đây là chuyên môn của tôi và sẽ không thiếu thứ đó trong khóa học này. Chúng tôi sẽ đề cập đến các thuật toán hiện đại nhưmatrix factorization và deep learning (sử dụng cả supervised và unsupervised learning - Autoencoders và Restricted Boltzmann Machines) và bạn sẽ học được rất nhiều thủ thuật để cải thiện dựa trên baseline results.

Như một phần thưởng, chúng tôi cũng sẽ xem xét cách thực hiện matrix factorization bằng cách sử dụng big data trong Spark. Chúng tôi sẽ tạo một cluster bằng cách sử dụng các Amazon EC2 instance với Amazon Web Services (AWS). Hầu hết các khóa học và hướng dẫn khác đều xem xét tập dữ liệu 100k của MovieLens - điều đó thật kỳ lạ! Ví dụ của chúng tôi sử dụng MovieLens 20 triệu.

Cho dù bạn bán sản phẩm trong cửa hàng thương mại điện tử của mình hay chỉ đơn giản là viết blog - bạn có thể sử dụng các kỹ thuật này để hiển thị các đề xuất phù hợp cho người dùng của mình vào đúng thời điểm.

Nếu bạn là nhân viên của một công ty, bạn có thể sử dụng những kỹ thuật này để gây ấn tượng với người quản lý của mình và được tăng lương!

Mục lục:

  • ✓ 01 - Welcome.
  • ✓ 02 - Recommendation System đơn giản.
  • ✓ 03 - Collaborative Filtering.
  • ✓ 04 - Beginner Q&A.
  • ✓ 05 - Matrix Factorization và Deep Learning.
  • ✓ 06 - Restricted Boltzmann Machines (RBM) cho Collaborative Filtering.
  • ✓ 07 - Big Data Matrix Factorization với Spark Cluster trên AWS / EC2.
  • ✓ 08 - Basics Review.
  • ✓ 09 - Bayesian Ranking (Scary Version).
  • ✓ 10 - Thiết lập môi trường của bạn (FAQ theo yêu cầu của sinh viên).
  • ✓ 11 - Trợ giúp thêm về Python Coding cho Beginner (FAQ theo yêu cầu của sinh viên).
  • ✓ 12 - Các chiến lược học tập hiệu quả cho Machine Learning (FAQ theo yêu cầu của sinh viên).
  • ✓ 13 - Phụ lục / Câu hỏi thường gặp Phần cuối.

Khóa học này dành cho ai:

  • ✓ Bất kỳ ai sở hữu hoặc điều hành một doanh nghiệp Internet.
  • ✓ Sinh viên machine learning, deep learning, trí tuệ nhân tạo và data science.
  • ✓ Các chuyên gia về học máy, học sâu, trí tuệ nhân tạo và khoa học dữ liệu.


NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU




Copyright Disclaimer:
This site does not store any files on its server. We only index and link to content provided by other sites. Please contact the content providers to delete copyright contents if any and email us, we'll remove relevant links or contents immediately.
Tuyên bố miễn trừ bản quyền:
Trang web này không lưu trữ bất kỳ tệp nào trên máy chủ của nó. Chúng tôi chỉ lập chỉ mục và liên kết đến nội dung được cung cấp bởi các trang web khác. Vui lòng liên hệ với các nhà cung cấp nội dung để xóa nội dung bản quyền nếu có và gửi email cho chúng tôi, chúng tôi sẽ xóa các liên kết hoặc nội dung có liên quan ngay lập tức.

Chia sẽ bài viết lên:

Nhà Sách Tin Học

Chào mừng các bạn đến với Blog Nhà Sách Tin Học. Thông qua Blog này mình muốn chia sẻ đến các bạn những kiến thức về tin học, các tài liệu hay giáo trình mà mình có hoặc siêu tầm được... Mình rất mong được sự ủng hộ nhiệt tình của các bạn bằng cách comment bài viết, chia sẻ bài viết hoặc liên hệ với mình qua blog này! Mình xin cảm ơn!

No Comment to " Chia Sẻ Khóa Học Recommender System Và Deep Learning Trong Python [Update Tháng 10-2022] [Khóa 7717 A] "

  • To add an Emoticons Show Icons
  • To add code Use [pre]code here[/pre]
  • To add an Image Use [img]IMAGE-URL-HERE[/img]
  • To add Youtube video just paste a video link like http://www.youtube.com/watch?v=0x_gnfpL3RM