مطالب پیشنهادی از سراسر وب

آموزش ساخت سیستم توصیه گر با پایتون، یادگیری ماشینی و هوش مصنوعی

دسته بندی ها: آموزش هوش مصنوعی (AI) ، آموزش های لینکدین (LinkedIn) ، آموزش یادگیری ماشینی (Machine Learning) ، آموزش پایتون (Python)

نحوه استفاده از پایتون و برخی مفاهیم اصلی یادگیری ماشین را بررسی کنید تا برنامه هایی را تهیه کنید که می توانند توصیه هایی را ارائه دهند. در این دوره آموزشی، انواع مختلفی از سیستم های توصیه گر را در آنجا پوشش می دهد و نحوه ساخت هر کدام را نشان می دهد. این دوره به شما کمک می کند تا مفاهیم پشت صحنه درباره نحوه کارکرد سیستم های توصیه گر را با استفاده از یک سری مثال ها و تمرینات یاد بگیرید. هنگامی که با مفاهیم اساسی آشنا شدید، نحوه استفاده از روش های آماری و یادگیری ماشینی را برای ساختن توصیه ها توضیح می دهد. 

همچنین این دوره نحوه ساختن یک توصیه گر مبتنی بر محبوبیت را با استفاده از کتابخانه Pandas، نحوه توصیه آیتم های مشابه بر اساس همبستگی و چگونگی استقرار الگوریتم های مختلف یادگیری ماشینی برای ارائه توصیه ها را نشان می دهد. در پایان دوره، یاد می گیرید که چگونه می توان ارزیابی کرد  کدام توصیه کننده بهترین عملکرد را داشته است.
 

نتیجه گری

فایل های تمرین Ex_Files_Intro_Python_Rec_Systems.zip
آیا این نوشته را دوست داشتید؟
Linkedin Building a Recommendation System with Python Machine Learning & AI Author:Lillian Pierson, PE Duration:1:38:56 Level:INTERMEDIATE

Discover how to use Python—and some essential machine learning concepts—to build programs that can make recommendations. In this hands-on course, Lillian Pierson, P.E. covers the different types of recommendation systems out there, and shows how to build each one. She helps you learn the concepts behind how recommendation systems work by taking you through a series of examples and exercises. Once you're familiar with the underlying concepts, Lillian explains how to apply statistical and machine learning methods to construct your own recommenders. She demonstrates how to build a popularity-based recommender using the Pandas library, how to recommend similar items based on correlation, and how to deploy various machine learning algorithms to make recommendations. At the end of the course, she shows how to evaluate which recommender performed the best.

پیشنهاد آموزش مرتبط در فرادرس