کتاب طراحی و پیاده‌سازی سیستم‌های توصیه‌گر با روش‌های بیزی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی سیستم‌های توصیه‌گر با روش‌های بیزی

موضوع کلی: تحلیل داده و یادگیری ماشین

موضوع میانی: سیستم‌های توصیه‌گر (Recommender Systems)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 2. اهمیت و کاربردهای سیستم‌های توصیه‌گر
  • 3. انواع داده‌ها در سیستم‌های توصیه‌گر
  • 4. روش‌های جمع‌آوری داده برای سیستم‌های توصیه‌گر
  • 5. پیش‌پردازش و پاکسازی داده‌ها
  • 6. مهندسی ویژگی برای سیستم‌های توصیه‌گر
  • 7. مفهوم مدل‌سازی بیزی
  • 8. توزیع‌های احتمال پیشین
  • 9. تابع درست‌نمایی
  • 10. قضیه بیز در سیستم‌های توصیه‌گر
  • 11. مدل‌های بیزی برای رتبه‌بندی
  • 12. مدل‌های بیزی برای پیش‌بینی امتیاز
  • 13. مدل‌های بیزی برای فیلترسازی مشارکتی
  • 14. مدل‌های بیزی برای محتوای مبتنی بر فیلتر
  • 15. مدل‌های بیزی برای سیستم‌های توصیه‌گر ترکیبی
  • 16. مدل‌سازی سلسله‌مراتبی بیزی
  • 17. مدل‌های گرافیکی بیزی
  • 18. نمونه‌برداری زنجیره مارکوف مونت‌کارلو (MCMC)
  • 19. روش‌های بهینه‌سازی واریانسی
  • 20. تخمین پارامترهای مدل بیزی
  • 21. ارزیابی عملکرد سیستم‌های توصیه‌گر
  • 22. معیارهای ارزیابی: دقت، بازخوانی، F1-score
  • 23. معیارهای ارزیابی: MAP، NDCG
  • 24. تکنیک‌های اعتبارسنجی متقاطع
  • 25. مقایسه مدل‌های بیزی مختلف
  • 26. پیاده‌سازی سیستم توصیه‌گر با استفاده از پایتون
  • 27. استفاده از کتابخانه‌های پایتون برای مدل‌سازی بیزی
  • 28. نمونه‌برداری از توزیع‌های بیزی در پایتون
  • 29. بهینه‌سازی مدل‌های بیزی در پایتون
  • 30. مقیاس‌پذیری سیستم‌های توصیه‌گر
  • 31. بهینه‌سازی عملکرد سیستم‌های توصیه‌گر بزرگ
  • 32. تکنیک‌های کاهش ابعاد
  • 33. سیستم‌های توصیه‌گر مبتنی بر جریان
  • 34. سیستم‌های توصیه‌گر در زمان واقعی
  • 35. مدل‌سازی ترجیحات دینامیک کاربران
  • 36. سیستم‌های توصیه‌گر آگاه از زمینه
  • 37. توصیه‌گرهای مبتنی بر دانش
  • 38. توصیه‌گرهای مبتنی بر محدودیت
  • 39. توصیه‌گرهای مبتنی بر قوانین
  • 40. توصیه‌گرهای مبتنی بر عامل
  • 41. تفسیرپذیری در سیستم‌های توصیه‌گر
  • 42. توضیح توصیه‌ها به کاربران
  • 43. حریم خصوصی در سیستم‌های توصیه‌گر
  • 44. تکنیک‌های حفظ حریم خصوصی
  • 45. توصیه‌گرهای مبتنی بر حریم خصوصی
  • 46. تطبیق سیستم‌های توصیه‌گر با تغییرات داده
  • 47. یادگیری فعال در سیستم‌های توصیه‌گر
  • 48. توصیه‌گرهای چندجانبه
  • 49. توصیه‌گرهای مبتنی بر گراف
  • 50. توصیه‌گرهای مبتنی بر یادگیری عمیق (مقدماتی)
  • 51. کاربرد سیستم‌های توصیه‌گر در تجارت الکترونیک
  • 52. کاربرد سیستم‌های توصیه‌گر در رسانه‌های اجتماعی
  • 53. کاربرد سیستم‌های توصیه‌گر در خدمات ویدئویی
  • 54. کاربرد سیستم‌های توصیه‌گر در اخبار
  • 55. کاربرد سیستم‌های توصیه‌گر در گردشگری
  • 56. چالش‌ها و فرصت‌های آینده در سیستم‌های توصیه‌گر
تگ‌ها: Building Recommender Systems الگوریتم توصیه‌گر بیزین پیاده‌سازی سیستم توصیه‌گر تحلیل داده داده‌کاوی روش‌های بیزی سیستم‌های توصیه‌گر هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.