Cara membuat sistem rekomendasi pembelajaran mesin dengan pembelajaran mendalam, pemfilteran kolaboratif, dan Python.
Apa yang akan Anda pelajari
-
Pahami dan terapkan pemfilteran kolaboratif berbasis pengguna dan berbasis item untuk merekomendasikan item kepada pengguna
-
Buat rekomendasi menggunakan pembelajaran mendalam dalam skala besar
-
Membangun mesin rekomendasi dengan jaringan neural dan Restricted Boltzmann Machines (RBM’s)
-
Buat rekomendasi berbasis sesi dengan jaringan saraf berulang dan Gated Recurrent Units (GRU)
-
Bangun kerangka kerja untuk menguji dan mengevaluasi algoritme rekomendasi dengan Python
-
Terapkan pengukuran yang tepat untuk keberhasilan sistem pemberi rekomendasi
-
Bangun sistem pemberi rekomendasi dengan metode faktorisasi matriks seperti SVD dan SVD++
-
Terapkan pembelajaran dunia nyata dari Netflix dan YouTube ke proyek rekomendasi Anda sendiri
-
Gabungkan banyak algoritme rekomendasi bersama dalam pendekatan hibrid dan ansambel
-
Gunakan Apache Spark untuk menghitung rekomendasi dalam skala besar di sebuah kluster
-
Gunakan K-Nearest-Neighbors untuk merekomendasikan item kepada pengguna
-
Selesaikan masalah dengan rekomendasi berbasis konten
-
Memahami solusi untuk masalah umum dengan sistem pemberi rekomendasi berskala besar
Keterangan
Diperbarui dengan Rekomendasi Tensorflow (TFRS) dan Jaringan Adversarial Generatif untuk rekomendasi (GAN)
Anda telah melihat rekomendasi otomatis di mana saja – di beranda Netflix, di YouTube, dan di Amazon karena algoritme pembelajaran mesin ini mempelajari minat unik Anda, dan menampilkan produk atau konten terbaik untuk Anda sebagai individu. Teknologi ini telah menjadi inti dari perusahaan teknologi terbesar dan paling bergengsi di luar sana, dan dengan memahami cara kerjanya, Anda akan menjadi sangat berharga bagi mereka.
Kami akan membahas algoritme rekomendasi yang telah dicoba dan benar berdasarkan pemfilteran kolaboratif berbasis lingkungan, dan meningkatkan teknik kami hingga teknik yang lebih modern termasuk faktorisasi matriks dan bahkan pembelajaran mendalam dengan jaringan saraf tiruan. Sepanjang kursus, Anda akan belajar dari pengalaman industri yang luas untuk memahami tantangan dunia nyata yang akan Anda temui saat menerapkan algoritme ini dalam skala besar dan dengan data dunia nyata.



