کتاب ساخت موتورهای توصیهگر با پایتون با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 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)
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.