دوره آموزشی یک مقدمه عملی بر سیستم های توصیه گر
1 ساعت 18 دقیقهپیشرفته2024-01-30
مدرسین

Miguel González-Fierro
جزئیات دوره
سیستمهای توصیه گر یکی از سودآورترین راهحلهای هوش مصنوعی هستند که میتوانید به کار ببرید، زیرا میتوانند درک کنند که مردم در میان تعداد به ظاهر بیپایانی از گزینهها چه میخواهند. هر زمان که به صورت آنلاین خرید یا مرور می کنید، احتمالاً سیستم های توصیه ای در کار هستند که در هر مرحله گزینه هایی را به شما ارائه می دهند. در این دوره، Miguel González-Fierro برخی از تکنیک های مورد استفاده برای ساخت، استقرار و آزمایش توصیه کنندگان را آموزش می دهد. او مثالهای عملی و واقعی ارائه میکند تا نشان دهد چگونه میتوانید تأثیر مستقیمی با سیستمهای پیشنهادی داشته باشید، خواه دانشمند داده، مهندس یادگیری ماشین، مهندس داده، مهندس نرمافزار یا تحلیلگر داده باشید. به میگل در این دوره بپیوندید تا شروع به ساختن اولین توصیه کننده خود کنید و ببینید که چقدر می تواند معیارهای شما را افزایش دهد.
مهارت ها
Machine LearningPythonProjectArtificial Intelligence (AI)Open Source
سرفصل ها
0. مقدمه
- 01 - چرا سیستمهای توصیه گر
1. آماده سازی داده ها
- 02 - دادهها در سیستمهای توصیه گر
- 03 - تقسیم داده ها
- 04 - مشکل شروع سرد
- 05 - کدگذاری - آماده سازی داده ها
2. مدل سازی
- 06 - الگوریتمهای سیستمهای توصیه گر
- 07 - فیلتر مشارکتی
- 08 - فیلترینگ مبتنی بر محتوا
- 09 - ساختن اولین راه حل مشترک فیلترینگ
- 10 - اولین راه حل فیلترینگ مبتنی بر محتوا را بسازید
- 11 - ارزیابی سیستمهای توصیه گر
- 12 - کدگذاری - الگوریتم فیلتر مشارکتی
- 13 - کدگذاری - الگوریتم فیلترینگ مبتنی بر محتوا
3. استقرار
- 14 - معماری سیستمهای توصیه گر
- 15 - ارزشیابی در تولید
- 16 - کد نویسی - معماری دسته ای
4. MLOps
- 17 - تست در سیستمهای توصیه گر
- 18 - چرخه زندگی یادگیری ماشین
- 19 - کد نویسی - تست با اقدامات GitHub
نتیجه
- 20 - ادامه سیستمهای توصیه گر
دوره های مرتبط
- دوره آموزشی راهنمای کامل ارزیابی مدلهای زبان بزرگ (LLMها)
- دوره آموزشی ساخت با هوش مصنوعی: ایجاد ایجنتها با OpenAI Agents SDK
- دوره آموزشی توسعه یک اپلیکیشن با API جیپیتی-۵
- دوره آموزشی احراز هویت در React
- دوره آموزشی حسابرسی هوش مصنوعی کاربردی در پایتون
- دوره آموزشی ساخت سیستمهای توصیهگر مبتنی بر LLM
- دوره آموزشی مبانی علم داده: نمودارهای دانش
- دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی برنامه های زمان واقعی
مسیرهای مرتبط
- مسیر آموزشی آماده شدن برای آزمون AZ-203 Developing Solutions for Microsoft Azure Exam
- مسیر آموزشی تبدیل شدن به یک توسعه دهنده نرم افزار
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: پردازش دادهها
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: تحلیل و تفسیر دادهها
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی سواد فنی و آمادگی برای آینده برای مدیران ارشد و رهبران سازمانی
- مسیر آموزشی یادگیری جامع CSS