- Регистрация
- 22 Февраль 2018
- Сообщения
- 11.084
Автор: udemy
Название: Алгоритмы рекомендаций по глубокому обучению с помощью Python (2022)
Описание:
Deep Learning Recommendation Algorithms with Python
udemy
Мы рассмотрим проверенные и надежные алгоритмы рекомендаций, основанные на совместной фильтрации на основе соседства, и перейдем к более современным методам, включая матричную факторизацию и даже глубокое обучение с искусственными нейронными сетями. Попутно вы изучите наш обширный отраслевой опыт, чтобы понять реальные проблемы, с которыми вы столкнетесь при применении этих алгоритмов в больших масштабах и с реальными данными.
Вы видели автоматические рекомендации повсюду — на домашней странице Netflix, на YouTube и на Amazon, поскольку эти алгоритмы машинного обучения узнают о ваших уникальных интересах и показывают лучшие продукты или контент для вас как личности. Эти технологии стали центральными для крупнейших и самых престижных технологических работодателей , и, поняв, как они работают, вы станете для них очень ценными.
Мы рассмотрим проверенные и надежные алгоритмы рекомендаций, основанные на совместной фильтрации на основе соседства, и перейдем к более современным методам, включая матричную факторизацию и даже глубокое обучение с искусственными нейронными сетями.
Рекомендательные системы сложны; не записывайтесь на этот курс, ожидая формата обучения кодированию. Не существует рецепта создания рекомендательной системы; вам нужно понимать различные алгоритмы и то, как выбирать, когда применять каждый из них в данной ситуации. Мы предполагаем, что вы уже умеете программировать.
Тем не менее, этот курс очень практический ; вы разработаете свою собственную структуру для оценки и объединения множества различных алгоритмов рекомендаций, и вы даже создадите свои собственные нейронные сети, используя Tensorflow , чтобы генерировать рекомендации на основе реальных рейтингов фильмов от реальных людей.
Этот всеобъемлющий курс проведет вас от первых дней совместной фильтрации до передовых приложений глубоких нейронных сетей и современных методов машинного обучения для рекомендации лучших элементов каждому отдельному пользователю.
Упражнения по кодированию в этом курсе используют язык программирования Python . Мы включаем введение в Python, если вы новичок в этом, но вам потребуется некоторый опыт программирования, чтобы успешно использовать этот курс. Мы также включаем краткое введение в глубокое обучение, если вы новичок в области искусственного интеллекта, но вам необходимо понимать новые компьютерные алгоритмы.
Для кого этот курс:
- Разработчики программного обеспечения, заинтересованные в применении машинного и глубокого обучения для рекомендаций по продукту или контенту.
- Инженеры, работающие или заинтересованные в работе в крупных компаниях электронной коммерции или веб-компаниях
- Ученые-компьютерщики интересуются новейшей теорией и исследованиями рекомендательных систем
Требования
- Некоторый опыт работы с языком программирования или скриптов (желательно Python)
- Некоторый опыт в области компьютерных наук и способность понимать новые алгоритмы.
Материал на английском языке
Подробнее:
Скачать:
Название: Алгоритмы рекомендаций по глубокому обучению с помощью Python (2022)
Описание:
Deep Learning Recommendation Algorithms with Python
udemy
Мы рассмотрим проверенные и надежные алгоритмы рекомендаций, основанные на совместной фильтрации на основе соседства, и перейдем к более современным методам, включая матричную факторизацию и даже глубокое обучение с искусственными нейронными сетями. Попутно вы изучите наш обширный отраслевой опыт, чтобы понять реальные проблемы, с которыми вы столкнетесь при применении этих алгоритмов в больших масштабах и с реальными данными.
Вы видели автоматические рекомендации повсюду — на домашней странице Netflix, на YouTube и на Amazon, поскольку эти алгоритмы машинного обучения узнают о ваших уникальных интересах и показывают лучшие продукты или контент для вас как личности. Эти технологии стали центральными для крупнейших и самых престижных технологических работодателей , и, поняв, как они работают, вы станете для них очень ценными.
Мы рассмотрим проверенные и надежные алгоритмы рекомендаций, основанные на совместной фильтрации на основе соседства, и перейдем к более современным методам, включая матричную факторизацию и даже глубокое обучение с искусственными нейронными сетями.
Рекомендательные системы сложны; не записывайтесь на этот курс, ожидая формата обучения кодированию. Не существует рецепта создания рекомендательной системы; вам нужно понимать различные алгоритмы и то, как выбирать, когда применять каждый из них в данной ситуации. Мы предполагаем, что вы уже умеете программировать.
Тем не менее, этот курс очень практический ; вы разработаете свою собственную структуру для оценки и объединения множества различных алгоритмов рекомендаций, и вы даже создадите свои собственные нейронные сети, используя Tensorflow , чтобы генерировать рекомендации на основе реальных рейтингов фильмов от реальных людей.
Этот всеобъемлющий курс проведет вас от первых дней совместной фильтрации до передовых приложений глубоких нейронных сетей и современных методов машинного обучения для рекомендации лучших элементов каждому отдельному пользователю.
Упражнения по кодированию в этом курсе используют язык программирования Python . Мы включаем введение в Python, если вы новичок в этом, но вам потребуется некоторый опыт программирования, чтобы успешно использовать этот курс. Мы также включаем краткое введение в глубокое обучение, если вы новичок в области искусственного интеллекта, но вам необходимо понимать новые компьютерные алгоритмы.
Для кого этот курс:
- Разработчики программного обеспечения, заинтересованные в применении машинного и глубокого обучения для рекомендаций по продукту или контенту.
- Инженеры, работающие или заинтересованные в работе в крупных компаниях электронной коммерции или веб-компаниях
- Ученые-компьютерщики интересуются новейшей теорией и исследованиями рекомендательных систем
Требования
- Некоторый опыт работы с языком программирования или скриптов (желательно Python)
- Некоторый опыт в области компьютерных наук и способность понимать новые алгоритмы.
Материал на английском языке
Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.