Bimbingan Skripsi Tesis Disertasi Python | Recommender Systems Deep Learning Python
Yang akan Anda pelajari
-
Pahami dan terapkan rekomendasi yang akurat untuk pengguna Anda menggunakan algoritme yang sederhana dan canggih
-
Faktorisasi matriks data besar di Spark dengan klaster AWS EC2
-
Faktorisasi matriks / SVD dalam Numpy murni
-
Faktorisasi matriks dalam Keras
-
Jaringan saraf dalam, jaringan residual, dan autoencoder di Keras
-
Mesin Boltzmann Terbatas di Tensorflow
Persyaratan
-
Untuk bagian sebelumnya, cukup ketahui beberapa aritmatika dasar
-
Untuk bagian lanjutan, ketahui kalkulus, aljabar linier, dan probabilitas untuk pemahaman yang lebih dalam
-
Mahir dalam Python dan Numpy
-
Untuk bagian deep learning, ketahui dasar-dasar penggunaan Keras
Deskripsi
Percaya atau tidak, hampir semua bisnis online saat ini menggunakan sistem pemberi rekomendasi dengan berbagai cara.
Apa yang saya maksud dengan “sistem pemberi rekomendasi”, dan mengapa itu berguna?
Mari kita lihat 3 situs teratas di Internet, menurut Alexa: Google, YouTube, dan Facebook.
Sistem pemberi rekomendasi membentuk dasar dari teknologi ini.
Google : Hasil pencarian
Itulah mengapa Google menjadi perusahaan teknologi tersukses saat ini.
YouTube : Dasbor video
Saya yakin bukan satu-satunya yang tidak sengaja menghabiskan waktu berjam-jam di YouTube ketika memiliki hal yang lebih penting untuk dilakukan! Bagaimana mereka meyakinkan Anda untuk melakukan itu?
Itu benar. Sistem rekomendasi!
Facebook : Sangat kuat sehingga pemerintah dunia khawatir bahwa newsfeed memiliki terlalu banyak pengaruh pada orang!
Luar biasa!
Kursus ini adalah sekumpulan besar trik yang membuat sistem pemberi rekomendasi bekerja di berbagai platform.
Kita akan melihat algoritme feed berita populer, seperti Reddit , Hacker News , dan Google PageRank .
Kita akan melihat teknik rekomendasi Bayesian yang digunakan oleh banyak perusahaan media saat ini.
Tapi kursus ini bukan hanya tentang umpan berita.
Perusahaan seperti Amazon , Netflix , dan Spotify telah menggunakan rekomendasi untuk menyarankan produk, film, dan musik kepada pelanggan selama bertahun-tahun.
Algoritme ini telah menghasilkan pendapatan tambahan miliaran dolar.
Jadi kami yakinkan Anda, apa yang akan Anda pelajari dalam kursus ini sangat nyata, sangat dapat diterapkan, dan akan berdampak besar pada bisnis Anda.
Bagi Anda yang suka menggali jauh ke dalam teori untuk memahami bagaimana segala sesuatu bekerja , Anda tahu ini adalah spesialisasi kami dan tidak akan ada kekurangan dalam kursus ini. Kami akan membahas algoritme canggih seperti faktorisasi matriks dan pembelajaran mendalam (memanfaatkan pembelajaran terawasi dan tidak terawasi – Autoencoder dan Mesin Boltzmann Terbatas ), dan Anda akan mempelajari banyak trik untuk meningkatkan hasil dasar.
Sebagai bonus, kita juga akan melihat cara melakukan faktorisasi matriks menggunakan data besar di Spark . Kami akan membuat klaster menggunakan instans Amazon EC2 dengan Amazon Web Services (AWS) . Sebagian besar kursus dan tutorial lain melihat kumpulan data MovieLens 100k – itu sangat kecil! Contoh kami memanfaatkan MovieLens 20 juta.
Apakah Anda menjual produk di toko e-niaga Anda, atau Anda hanya menulis blog – Anda dapat menggunakan teknik ini untuk menunjukkan rekomendasi yang tepat kepada pengguna Anda pada waktu yang tepat.
Jika Anda seorang karyawan di sebuah perusahaan, Anda dapat menggunakan teknik ini untuk mengesankan manajer Anda dan mendapatkan kenaikan gaji!
Sampai jumpa di kelas!
Untuk siapa kursus ini:
- Siapa pun yang memiliki atau mengoperasikan bisnis Internet
- Siswa dalam pembelajaran mesin, pembelajaran mendalam, kecerdasan buatan, dan ilmu data
- Profesional dalam pembelajaran mesin, pembelajaran mendalam, kecerdasan buatan, dan ilmu data
