Введение в системы рекомендаций

Вы когда-нибудь задумывались, как сервисы узнают, какой фильм вы хотите посмотреть или какой продукт вам порекомендовать? Этот курс раскроет вам технологию, которая лежит в основе этих умных рекомендаций, и даст вам фундаментальные знания, чтобы создать свои собственные. Вы получите прочное понимание принципов, лежащих в основе современных систем рекомендаций. Вы перейдете от теории к реализации, научитесь обрабатывать пользовательские данные, применять ключевые алгоритмы и измерять эффективность своих рекомендаций с помощью практических, текстовых упражнений. Что вы узнаете: - Понять ключевые различия между совместной фильтрацией, контент-ориентированными и гибридными подходами. - Внедрение совместной фильтрации на основе пользователей и элементов для предсказания предпочтений пользователей. - Применять методы матричной факторизации для выявления скрытых особенностей взаимодействия пользователя с элементом. - Создание рекомендации на основе контента путем представления элементов на основе их атрибутов. - Оценка качества рекомендаций с использованием стандартных отраслевых показателей, таких как точность, восстановление и RMSE. - Изучите, как векторные вложения формируют основу для более продвинутых моделей рекомендаций. - Признать такие общие проблемы, как проблема " холодного старта " и источники предвзятости в системах рекомендаций. Курс начинается с основных терминов и понятий, а затем вы пройдете практические шаги по созданию различных типов рекомендаций. Каждый раздел основывается на предыдущем, обеспечивая всестороннее понимание с нуля. Этот курс предназначен для начинающих, знакомых с основами программирования. Для начала не требуется предыдущий опыт работы с машинным обучением или системами рекомендаций. Начните свой путь к созданию интеллектуальных движков рекомендаций сегодня.