دوره ساخت موتورهای توصیهگر با پایتون همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره ساخت موتورهای توصیهگر با پایتون
موضوع کلی: برنامه‌نویسی کامپیوترهای خانگی
موضوع میانی: AI for AI Personalization Engines
📋 سرفصل‌های دوره
- 1. آشنایی با سیستم‌های توصیهگر
- 2. مفاهیم کلیدی در توصیه‌گرها
- 3. انواع داده‌ها در سیستم‌های توصیهگر
- 4. پیش‌پردازش داده‌ها برای توصیه‌گرها
- 5. معرفی کتابخانه پایتون Scikit-learn
- 6. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
- 7. یادگیری نظارت شده و کاربرد آن در توصیه‌گرها
- 8. یادگیری بدون نظارت و کاربرد آن در توصیه‌گرها
- 9. الگوریتم همسایگی K-نزدیکترین (K-NN)
- 10. محاسبه فاصله بین کاربران و آیتم‌ها
- 11. پیاده‌سازی K-NN در پایتون برای توصیه‌گرها
- 12. ارزیابی عملکرد توصیه‌گرها: معیارهای ارزیابی
- 13. ماتریس سردرگمی و معیارهای مرتبط
- 14. معرفی فیلترینگ مشارکتی
- 15. فیلترینگ مشارکتی مبتنی بر کاربر
- 16. فیلترینگ مشارکتی مبتنی بر آیتم
- 17. محاسبه شباهت بین کاربران و آیتم‌ها
- 18. پیاده‌سازی فیلترینگ مشارکتی در پایتون
- 19. کاهش ابعاد داده با استفاده از PCA
- 20. مقدمه‌ای بر تجزیه مقادیر منفرد (SVD)
- 21. استفاده از SVD برای کاهش ابعاد در توصیه‌گرها
- 22. پیاده‌سازی SVD در پایتون
- 23. معرفی روش‌های ماتریسی فاکتورسازی
- 24. ماتریس فاکتورسازی غیرمنفی (NMF)
- 25. پیاده‌سازی NMF در پایتون برای توصیه‌گرها
- 26. توصیه‌گرهای مبتنی بر محتوا
- 27. استخراج ویژگی از داده‌های متنی
- 28. استفاده از TF-IDF در توصیه‌گرهای مبتنی بر محتوا
- 29. معرفی شبکه‌های عصبی
- 30. شبکه‌های عصبی عمیق برای توصیه‌گرها
- 31. Autoencoders برای یادگیری نمایش‌های فشرده
- 32. پیاده‌سازی Autoencoder در پایتون
- 33. توصیه‌گرهای ترکیبی
- 34. ترکیب فیلترینگ مشارکتی و مبتنی بر محتوا
- 35. معرفی کتابخانه Surprise در پایتون
- 36. پیاده‌سازی الگوریتم‌های Surprise
- 37. استفاده از Cross-validation برای ارزیابی مدل
- 38. تنظیم پارامترهای مدل با استفاده از Grid Search
- 39. بهینه‌سازی عملکرد توصیه‌گرها
- 40. مقابله با مشکل Cold Start
- 41. تکنیک‌های افزایش داده‌ها برای توصیه‌گرها
- 42. پیاده‌سازی توصیهگر مبتنی بر زمان
- 43. توصیه‌گرهای مبتنی بر دانش
- 44. مقدمه‌ای بر توصیه‌گرهای آگاه از زمینه
- 45. استفاده از داده‌های ضمنی (Implicit Feedback)
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.
به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.
مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.