کتاب الگوریتم‌های پیشنهادی هوشمند با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 الگوریتم‌های پیشنهادی هوشمند

موضوع کلی: برنامه‌نویسی کامپیوترهای خانگی

موضوع میانی: AI for AI Personalization Engines

📋 سرفصل‌های دوره

  • 1. الگوریتم‌های پیشنهادی هوشمند: مبانی و مفاهیم اولیه
  • 2. معرفی سیستم‌های توصیه‌گر و کاربردهای آن‌ها
  • 3. روش‌های جمع‌آوری داده برای سیستم‌های توصیه‌گر
  • 4. پیش‌پردازش و پاکسازی داده‌ها در سیستم‌های توصیه‌گر
  • 5. ماتریس فیلترسازی مشارکتی: اصول و پیاده‌سازی
  • 6. تکنیک‌های کاهش ابعاد در فیلترسازی مشارکتی
  • 7. محاسبه شباهت بین کاربران و آیتم‌ها
  • 8. روش‌های ارزیابی سیستم‌های توصیه‌گر
  • 9. معرفی معیارهای دقت، صحت و فراخوانی
  • 10. تحلیل منحنی ROC و AUC در توصیه‌گرها
  • 11. تکنیک‌های افزایش تنوع در پیشنهادات
  • 12. مدل‌های مبتنی بر محتوا: اصول و پیاده‌سازی
  • 13. استخراج ویژگی از داده‌های متنی
  • 14. استخراج ویژگی از داده‌های تصویری
  • 15. استخدام شبکه‌های عصبی برای استخراج ویژگی
  • 16. ترکیب مدل‌های مبتنی بر محتوا و فیلترسازی مشارکتی
  • 17. سیستم‌های توصیه‌گر مبتنی بر دانش
  • 18. استفاده از هستی‌شناسی در سیستم‌های توصیه‌گر
  • 19. تکنیک‌های یادگیری تقویتی در سیستم‌های توصیه‌گر
  • 20. مدل‌های احتمالی برای توصیه‌گرها
  • 21. مدل‌های بیزی در سیستم‌های توصیه‌گر
  • 22. توصیه‌گرهای متنی: تحلیل احساسات و موضوعات
  • 23. توصیه‌گرهای مبتنی بر گراف
  • 24. استفاده از الگوریتم‌های خوشه‌بندی در توصیه‌گرها
  • 25. تکنیک‌های تشخیص نفوذ در سیستم‌های توصیه‌گر
  • 26. توصیه‌گرهای آگاه از زمینه
  • 27. توصیه‌گرهای مبتنی بر جریان داده
  • 28. توصیه‌گرهای گروهی
  • 29. توصیه‌گرهای مبتنی بر حریم خصوصی
  • 30. تکنیک‌های ناشناس‌سازی داده‌ها در توصیه‌گرها
  • 31. تاثیر داده‌های سرد (Cold Start) بر توصیه‌گرها
  • 32. راهکارهای مقابله با مشکل داده‌های سرد
  • 33. توصیه‌گرهای ترکیبی: معماری و پیاده‌سازی
  • 34. بهینه‌سازی پارامترهای توصیه‌گرها
  • 35. استفاده از الگوریتم‌های ژنتیک برای بهینه‌سازی
  • 36. تکنیک‌های موازی‌سازی در توصیه‌گرها
  • 37. توصیه‌گرهای توزیع‌شده
  • 38. پیاده‌سازی توصیه‌گرها با استفاده از Apache Spark
  • 39. استفاده از پایگاه‌های داده گراف برای توصیه‌گرها
  • 40. توصیه‌گرهای مبتنی بر یادگیری عمیق
  • 41. شبکه‌های عصبی بازگشتی برای توصیه‌گرها
  • 42. شبکه‌های عصبی کانولوشنی برای توصیه‌گرها
  • 43. توصیه‌گرهای تعاملی
  • 44. توصیه‌گرهای مبتنی بر بازخورد صریح و ضمنی
  • 45. تکنیک‌های توضیح‌پذیری در توصیه‌گرها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.