نحوه ی استفاده از پایتون و برخی از مفاهیم یادگیری ماشینی را برای ایجاد برنامه هایی که می توانند توصیه کنند فرا بگیرید. این دوره انواع مختلف سیستم های توصیه را پوشش می دهد و نشان می دهد که چگونه هر یک از آنها را بسازیم. همچنین مفاهیمی را که در پشت سیستم های توصیه و از طریق یک سری نمونه ها و تمرینات کار می کنند، یاد بگیرید. سپس روش های آماری و یادگیری ماشینی را برای ساختن توصیه های خود انتخاب می کنید. نحوه ی ساخت توصیه گر با کتابخانه Pandas را یاد می دهد و نحوه ی توصیه موارد مشابه بر اساس همبستگی و نحوه استفاده از الگوریتم های یادگیری ماشین برای ارائه توصیه ها را نشان می دهد.

مباحث دوره:

  • کار با سیستم های توصیه
  • ارزیابی تشابه بر اساس همبستگی
  • ایجاد توصیه گر مبتنی بر محبوبیت
  • توصیه های مبتنی بر طبقه بندی
  • ساخت یک سیستم فیلترینگ مشترک
  • سیستم های توصیه گر مبتنی بر محتوا
  • ارزیابی توصیه گرها

سرفصل ها:

  • مقدمه
  • خوش آمدگویی
  • استفاده از فایل های تمرین
  • روش های ساده برای سیستم های توصیه
  • مقدمه ی مفهوم اصلی سیستم های توصیه
  • توصیه گر مبتنی بر محبوبیت
  • ارزیابی تشابه بر اساس همبستگی
  • سیستم های توصیه یادگیری ماشینی
  • فیلترینگ مشترک مبتنی بر طبقه بندی
  • سیستم فیلترینگ مشترک مبتنی بر مدل
  • سیستم های توصیه گر مبتنی بر محتوا
  • ارزیابی سیستم های توصیه
  • نتیجه
  • مراحل بعدی