سیستمهای توصیهگر (Recommender Systems) : مبانی، الگوریتمها و کاربردها


۳۵۰+
کدآموز
۴۰+
تمرین عملی
۱۱۵+
درسنامه آموزشی
به همراه گواهی معتبر
۹۰ روز مهلت گذراندن دوره
سیستمهای توصیهگر (Recommender Systems) : مبانی، الگوریتمها و کاربردها
٪۳۵ افزایش
درآمد شرکتها با سیستمهای توصیهگر پیشرفته
۴.۵ برابر افزایش
نرخ تبدیل با پیشنهادهای شخصیسازیشده
٪۷۰ افزایش
مدت زمان حضور کاربران با استفاده از سیستمهای توصیهگر
معرفی
حامیان
مخاطبین
پیشنیازها
سرفصلها
پروژهها
اساتید
0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 1
با گذراندن دوره سیستمهای پیشنهاد دهنده کوئرا کالج، تجربهای واقعی در ساخت سیستمهای پیشنهاد دهنده خواهید داشت. با انواع الگوریتمهای ساخت این سیستمها مانند پالایش مشارکتی و پیشنهاد بر اساس محتوا آشناخواهید شد و خواهید توانست سیستمهایی مانند پیشنهاد فیلم یا محصول بسازید. این دورهی پروژه محور با تمرکز بر پیادهسازی در پایتون، مناسب علاقهمندان به یادگیری ماشین و تحلیل داده است.
این دوره مناسب شما است اگر...
• میخواهید سیستمهای پیشنهاد دهنده را از پایه و به شکل اصولی بیاموزید.
• تحلیلگر داده هستید و به یادگیری مباحث سیستمهای پیشنهاد دهنده علاقه دارید.
• مشتاقید مسیر یادگیری سیستمهای پیشنهاد دهنده را برای خود هموار کنید.
این دوره مناسب شما نیست اگر...
• میخواهید سطحی و گذرا سیستمهای پیشنهاد دهنده را بیاموزید.
• هنوز برای آیندهی شغلیتان تصمیم جدی نگرفتهاید.
• حاضر نیستید در هفته ۱۰ ساعت برای یادگیری، پیشرفت و رشد درآمدتان زمان بگذارید.
پیشنیازها
لازم است...
با مقدمات تحلیل داده با پایتون (Numpy و Pandas) آشنا باشید.
با مفاهیم زبان پایتون آشنا باشید.
به مبانی احتمال و ماتریس در ریاضیات مسلط باشید.
لازم نیست...
در رشتهی کامپیوتر تحصیل کرده باشید.
دانش الگوریتمی قوی داشته باشید.
درسنامه
ویدئو
تمرین
اهداف فصل
درسنامه
آشنایی با سیستمهای پیشنهاددهنده
درسنامه
نمونههای واقعی از سیستمهای پیشنهاددهنده
درسنامه
دستهبندی سیستمهای پیشنهاددهنده
درسنامه
سیستمهای پیشنهاددهنده در مقابل بار اطلاعاتی
درسنامه
چالشهای طراحی سیستمهای پیشنهاددهنده
درسنامه
دادههای صریح و دادههای ضمنی
درسنامه
اخلاق و مسئولیتپذیری در سیستمهای پیشنهاددهنده
درسنامه
کوییز
۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
نامپای
درسنامه
جبر خطی
درسنامه
پانداز
درسنامه
قدم بزرگتر با پانداز
درسنامه
کار با فایل
درسنامه
مشخ شیخ
۱۰۰ امتیاز
تمرین
آمار ۱
درسنامه
آمار ۲
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
پیشپردازش دادهها
درسنامه
پیشپردازش در عمل
درسنامه
سنجش عملکرد
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
کتابتکانی
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
آشنایی با سیستمهای پیشنهاددهنده محتوا-محور
درسنامه
استخراج ویژگیها از دادههای متنی
درسنامه
متادادهها و استخراج اطلاعات
درسنامه
تبدیل متن به بردار: قلب سیستمهای پیشنهاددهنده
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
به دنبال شباهتها، ریاضیات ساده و نتایج بزرگ
درسنامه
ساخت یک پیشنهاددهنده سلیقهای
درسنامه
پیادهسازی یک سیستم پیشنهاددهنده : صفر تا اجرا (بخش اول)
درسنامه
پیادهسازی یک سیستم پیشنهاددهنده : صفر تا اجرا (بخش دوم)
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
شاید این موزیک رو هم دوست داشتی
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
پردازش زبان فارسی
درسنامه
به دنبال خبر
۲۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
معرفی سیستمهای پالایش گروهی
درسنامه
پالایش گروهی مبتنی بر کاربر و آیتم!
درسنامه
UBCF در عمل: چگونه جنس دادهها، مسئله ما را تغییر میدهد؟
درسنامه
مفهوم شباهت کاربران و روشهای اندازهگیری شباهت
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
از دل کاربران مشابه: هنر پیشنهاد محصول در پالایش جمعی
درسنامه
از دل کاربران مشابه: هنر پیشنهاد محصول در پالایش جمعی با دادههای ضمنی
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
چالشهای پالایش جمعی مبتنی بر کاربر
درسنامه
اهداف فصل
درسنامه
قفسه هوشمند
۲۰۰ امتیاز
تمرین
همیار شغلی کوئرا
۲۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
معرفی پالایش گروهی مبتنی بر محصول (IBCF)
درسنامه
اندازهگیری شباهت آیتمها
درسنامه
فرآیند پیشبینی امتیاز و تولید لیست پیشنهادها در IBCF
درسنامه
الگوریتم Slope One
درسنامه
نگاهی به آنسوی سکه؛ چالشهای پالایش جمعی مبتنی بر محصول(IBCF)
درسنامه
کوییز
۵۰ امتیاز
تمرین
بر سر دوراهی؛ UBCF یا IBCF، کدام یک برای شما مناسبتر است؟
درسنامه
پیوند دو نگاه؛ ترکیب هوشمندانه UBCF و IBCF
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
همیار شغلی کوئرا (اسپین آف مبتنی بر آیتم)
۲۰۰ امتیاز
تمرین
سیستم پیشنهادگر هوشمند فیلم
۲۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
مفهوم ماتریس Sparse
درسنامه
کار با scipy.sparse
درسنامه
مقدمهای بر تجزیه ماتریس
درسنامه
ماتریس تعامل
درسنامه
ماتریس تعامل در عمل
درسنامه
تعامل ادبی
۱۰۰ امتیاز
تمرین
ماتریسهای بزرگ و چالشهای آن
درسنامه
کشف سریع علایق کاربر با Funk-SVD
درسنامه
پیشنهاد سرعتی
۱۰۰ امتیاز
تمرین
آشنایی با ALS
درسنامه
پیشنهاد قدرتی
۱۰۰ امتیاز
تمرین
ارزیابی و بهبود
درسنامه
کوییز
۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
چرا ترکیب مدلها؟
درسنامه
روشهای ترکیبی ساده (سوئیچینگ)
درسنامه
روشهای ترکیبی ساده (وزنی)
درسنامه
فراتر از ترکیب ساده: نیاز به سیستمهای ترتیبی (مطالعه بیشتر)
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
بهبود ماتریس تعاملات با اطلاعات محتوا
درسنامه
پیادهسازی عملی: صفر تا اجرا (بخش اول)
درسنامه
پیادهسازی عملی: صفر تا اجرا (بخش دوم)
درسنامه
پیادهسازی عملی: صفر تا اجرا (بخش سوم)
درسنامه
سنجش عملکرد در سیستمهای پیشنهاددهنده ترکیبی
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
ناجی فیلم لاور
۱۰۰ امتیاز
تمرین
چالشهای عملیاتی طراحی سیستمهای پیشنهاددهنده ترکیبی
درسنامه
اهداف فصل
درسنامه
کهکشان فرصتها
۲۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
رگرسیون خطی
درسنامه
مشکل موشا
۱۰۰ امتیاز
تمرین
لجستیک رگرسیون
درسنامه
وفاداریسنج
۱۰۰ امتیاز
تمرین
مهندسی ویژگی و پیشپردازش داده
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
درختهای تصمیم و روشهای مبتنی بر درخت
درسنامه
درختهای تصمیم و روشهای مبتنی بر درخت ۲
درسنامه
میزبان
۱۰۰ امتیاز
تمرین
مقایسه و تحلیل نتایج
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
یادگیری نظارتنشده
درسنامه
اهداف فصل
درسنامه
شکموک
۲۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
Learn to Rank چیست؟
درسنامه
داده ها در LTR
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
انواع رویکردهای یادگیری برای رتبهبندی
درسنامه
فراتر از «درستی»؛ سنجش «کیفیت»
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
LTR در عمل
درسنامه
الگوریتم LambdMART
درسنامه
اهداف فصل
درسنامه
لیست طلایی
۲۰۰ امتیاز
تمرین
تکمیل لیست طلایی
۲۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
چرا یادگیری عمیق؟
درسنامه
شبکه عصبی چند لایه و سیستمهای پیشنهاددهنده
درسنامه
روش های مبتنی بر خودرمزگذارها
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
روش های مبتنی بر شبکههای عصبی کانولوشنی
درسنامه
شبکههای عصبی بازگشتی و سیستمهای پیشنهاددهنده
درسنامه
روشهای مبتنی بر مدلهای Neural Autoregressive
درسنامه
شبکههای مولد تخاصمی و سیستمهای پیشنهاددهنده
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین
مکانیزم توجه، ترنسفورمرها و استفاده از آنها در سیستمهای پیشنهاددهنده
درسنامه
استفاده از یادگیری تقویتی عمیق در سیستمهای پیشنهاددهنده
درسنامه
معایب استفاده از روش های مبتنی بر یادگیری عمیق
درسنامه
کوییز ۳
۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
انواع نگاه به سیستمهای پیشنهاددهنده ۱
درسنامه
انوع نگاه به سیستمهای پیشنهاددهنده ۲
درسنامه
گرافها در سیستمهای پیشنهاددهنده ۱
درسنامه
گرافها در سیستمهای پیشنهاددهنده ۲
درسنامه
کوییز ۱
۵۰ امتیاز
تمرین
گرافها در سیستمهای پیشنهاددهنده ۳
درسنامه
گرافها در سیستمهای پیشنهاددهنده ۴
درسنامه
سیستمهای پیشنهاددهنده مولد
درسنامه
سیستمهای پیشنهاددهنده و Federated Learning
درسنامه
کوییز ۲
۵۰ امتیاز
تمرین

سیستمهای پیشنهاد دهنده
۴۰+ تمرین عملی
۱۱۵+ درسنامه آموزشی
سوالات متداول
شما در هر زمانی که بخواهید میتوانید در دوره ثبتنام و دوره را آغاز کنید.