کتاب توصیه‌گرهای ترکیبی برای داده‌های پراکنده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توصیه‌گرهای ترکیبی برای داده‌های پراکنده

موضوع کلی: سیستم‌های کامپیوتری پیشرفته

موضوع میانی: سیستم‌های توصیه‌گر ترکیبی (Hybrid Recommender Systems)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر توصیه‌گرهای ترکیبی
• 2. داده‌های پراکنده: ماهیت و چالش‌ها
• 3. تکنیک‌های پیش‌پردازش داده‌های پراکنده
• 4. ماتریس فاکتورسازی (Matrix Factorization) در توصیه‌گرها
• 5. روش‌های گرادیان کاهشی برای ماتریس فاکتورسازی
• 6. توصیه‌گرهای مبتنی بر همسایگی (Neighborhood-based Recommenders)
• 7. محاسبه شباهت بین کاربران و آیتم‌ها
• 8. تکنیک‌های فیلترینگ مشارکتی (Collaborative Filtering)
• 9. توصیه‌گرهای مبتنی بر محتوا (Content-based Recommenders)
• 10. استخراج ویژگی از داده‌های آیتم
• 11. ترکیب فیلترینگ مشارکتی و مبتنی بر محتوا
• 12. مدل‌های ترکیبی خطی
• 13. مدل‌های ترکیبی غیرخطی
• 14. ارزیابی توصیه‌گرها: معیارها و روش‌ها
• 15. متریک‌های دقت و فراخوانی (Precision and Recall)
• 16. متریک‌های رتبه‌بندی (Ranking Metrics)
• 17. آزمایش A/B در توصیه‌گرها
• 18. مدل‌های پوششی (Ensemble Models) در توصیه‌گرها
• 19. روش‌های Bagging و Boosting برای توصیه‌گرها
• 20. تکنیک‌های Stacked Generalization
• 21. توصیه‌گرهای مبتنی بر مدل‌های گراف (Graph-based Recommenders)
• 22. نمایش داده‌ها به صورت گراف
• 23. الگوریتم‌های انتشار تصادفی (Random Walk)
• 24. توصیه‌گرهای مبتنی بر یادگیری عمیق (Deep Learning-based Recommenders)
• 25. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks) برای توصیه‌گرها
• 26. شبکه‌های عصبی کانولوشن (Convolutional Neural Networks) برای توصیه‌گرها
• 27. مدل‌های Autoencoder برای توصیه‌گرها
• 28. توصیه‌گرهای مبتنی بر توجه (Attention Mechanisms)
• 29. تکنیک‌های Attention در توصیه‌گرها
• 30. مدل‌های Transformer برای توصیه‌گرها
• 31. توصیه‌گرهای متنی (Text-based Recommenders)
• 32. پردازش زبان طبیعی (NLP) در توصیه‌گرها
• 33. مدل‌های موضوعی (Topic Models)
• 34. توصیه‌گرهای مبتنی بر دانش (Knowledge-based Recommenders)
• 35. استفاده از هستی‌شناسی (Ontology) در توصیه‌گرها
• 36. استنتاج و استدلال در توصیه‌گرها
• 37. توصیه‌گرهای آگاه از زمینه (Context-aware Recommenders)
• 38. در نظر گرفتن زمان و مکان در توصیه‌گرها
• 39. توصیه‌گرهای مبتنی بر حریم خصوصی (Privacy-preserving Recommenders)
• 40. تکنیک‌های ناشناس‌سازی داده‌ها
• 41. توصیه‌گرهای مقاوم در برابر حملات (Robust Recommenders)
• 42. شناسایی و مقابله با داده‌های مخرب
• 43. بهینه‌سازی توصیه‌گرها برای مقیاس‌پذیری
• 44. تکنیک‌های توزیع‌شده برای توصیه‌گرها
• 45. استفاده از Spark و Hadoop در توصیه‌گرها