Chia Sẻ Khóa Học Lập Trình Python - Xây Dựng Một Recommendation Engine Trong Django [Khóa 7462 A]
Collaborative Filtering với Python, Celery, Django, Worker Processes, Batch Predictions, SurpriseML, Keras, v.v.!
Bạn sẽ học được gì:
- ✓ Tìm hiểu cách tích hợp Django & Celery.
- ✓ Tìm hiểu cách sử dụng HTMLX với Django cho Dynamic Loading (không cần JavaScript).
- ✓ Đào tạo một Mô hình Machine Learning với SurpriseML và một ví dụ trong Keras.
- ✓ Xây dựng một hệ thống xếp hạng trong Django với các rating button động. Những xếp hạng này có thể được sử dụng trên bất kỳ Django Model nào.
- ✓ Tìm hiểu cách chạy tác vụ nền định kỳ và/hoặc lên lịch các chức năng để chạy chính xác khi cần.
- ✓ Cách thực hiện batch inference một cách hiệu quả bằng cách sử dụng Django cho *bất kỳ* khối lượng công việc lớn và/hoặc ML package nào.
- ✓ Cách tải bộ dữ liệu lớn vào cơ sở dữ liệu SQL thông qua các Django Model.
- ✓ Nơi tìm bộ dữ liệu trực tuyến tuyệt vời.
- ✓ Cách triển khai một trang review "vô hạn" sẽ luôn đưa ra một mục mới sau khi xếp hạng.
- ✓ Và nhiều hơn nữa!
Xây dựng một recommendation engine bằng Django & một kỹ thuật Machine Learning có tên là Collaborative Filtering.
Người dùng sẽ xếp hạng phim và hệ thống sẽ tự động gợi ý phim mới. Những gợi ý này sẽ được thực hiện theo đợt (nghĩa là không theo thời gian thực) để mở khóa một hệ thống có khả năng mở rộng hơn để đào tạo và trợ giúp hàng nghìn hàng nghìn người dùng.
Đối với khóa học này, chúng tôi sẽ sử dụng bộ dữ liệu thực có tên là MovieLens; bộ dữ liệu này được tải xuống dưới dạng CSV và được sử dụng trên tất cả các loại hướng dẫn machine learning. Điểm đặc biệt của khóa học này là bạn sẽ tải tập dữ liệu này vào cơ sở dữ liệu SQL thông qua một Django model. Riêng điều này có thể đáng để xem khóa học vì cơ sở dữ liệu SQL mạnh hơn nhiều so với tệp CSV.
Để thực hiện batch inference, chúng tôi triển khai background worker process cực kỳ mạnh mẽ có tên là Celery. Nếu bạn chưa từng sử dụng Celery trước đây, thì đây sẽ là một trải nghiệm mở rộng tầm mắt và khi bạn kết hợp nó với Django, bạn sẽ có một worker process thực sự mạnh mẽ có thể chạy các tác vụ ở chế độ nền, chạy các tác vụ theo lịch trình hoặc kết hợp cả hai. Các tác vụ trong Celery chỉ đơn giản là các hàm Python với một decorator đặc biệt.
Để xếp hạng phim, chúng tôi sẽ sử dụng HTMLX. HTMLX là một cách để cập nhật động nội dung *mà không cần* tải lại trang. Tôi chắc rằng bạn biết trải nghiệm này bất cứ khi nào bạn nhấp vào "like" hoặc "subscribe", đó là những gì HTMLX mang lại cho chúng tôi mà không cần sử dụng 1 dòng JavaScript. Khóa học này cho chúng ta thấy cách triển khai thực tế của việc sử dụng HTMLX không chỉ để xếp hạng phim mà còn sắp xếp chúng, tải chúng và làm nhiều việc khác.
Recommendation engine trong Django thực sự là một tập hợp gồm 3 phần:
- ✓ Web Process: Thiết lập Django để thu thập sở thích của người dùng và cung cấp các gợi ý khi có sẵn.
- ✓ Machine Learning Pipeline: Trích xuất dữ liệu từ Django, biến đổi dữ liệu đó và huấn luyện một Collaborative Filtering model.
- ✓ Worker Process: Đây là keo. Chúng tôi sẽ sử dụng Celery để lên lịch/chạy các dự đoán mô hình được đào tạo và cập nhật dữ liệu cho các đề xuất người dùng liên quan đến Django.
Mục lục:
- ✓ 01. Giới thiệu.
- ✓ 02 - Xử lý Dataset.
- ✓ 03 - Running Calculations với Django.
- ✓ 04 - Python Celery.
- ✓ 05 - Django Views & Auth.
- ✓ 06 - User Ratings.
- ✓ 07 - Dynamic Django với HTMX.
- ✓ 08 - Jupyter Notebooks với Django.
- ✓ 09 - Machine Learning & Collaborative Filtering.
- ✓ 10 - Handling Predictions trong Django.
- ✓ 11 - Kết Thúc.
Khóa học này dành cho ai:
- ✓ Ngoài kiến thức cơ bản về Django Developer (tức là bạn đã hoàn thành khóa học Dùng thử Django).
- ✓ Bất kỳ ai quan tâm đến việc xây dựng các Ứng dụng web nặng về ML.
- ✓ Bất cứ ai muốn tìm hiểu về Python Celery for Worker processes.
- ✓ Bất kỳ ai quan tâm đến việc xây dựng quy trình công việc cần chạy dọc theo Django.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU