[Udemy] Рекомендательные системы и Глубокое обучение на Python [Lazy Programmer]

Рекомендательные системы и Глубокое обучение на Python
Самый глубокий курс по рекомендательным системам с глубоким обучением, машинному обучению, науке о данных и ИИ техникам

Язык: Английский
Субтитры: Английский [Автоматически созданные]
Авторы: Lazy Programmer Inc.
Последнее обновление: 12/2018

Чему вы научитесь

• Понимать и реализовывать точные рекомендации для своих пользователей, используя простые и современные алгоритмы
• Матричная факторизация Больших данных на Spark с кластером AWS EC2
• Матричная факторизация / SVD на чистом Numpy
• Матричная факторизация в Keras
• Глубокие нейронные сети, остаточные нейросети и автоэнкодеры в Keras
• Ограниченная машина Больцмана в Tensorflow

Требования

• Для более ранних разделов: достаточно знать основы арифметики
• Для продвинутых разделов: знать линейную алгебру и теорию вероятности для более глубокого понимания материалы
• Иметь опыт в работе с Python и Numpy
• Для раздела глубокого обучения, знать основы использования Keras

Спойлер: Описание

Верьте или нет, почти все онлайн-компании сегодня так или иначе используют рекомендательные системы.
Что я имею в виду под «рекомендательными системами» и почему они полезны?
Давайте посмотрим на топ-3 сайтов согласно данным Alexa: Google, YouTube и Facebook.
Рекомендательные системы составляют основу их технологий.
Google: результаты поиска
Именно поэтому Google является самой успешной технологической компанией на сегодняшний день.
YouTube: видеопанель
Я уверен, что я не единственный, кто провел множество часов на YouTube, когда у меня были более важные дела! Как же они убеждают тебя делать это?

Вот так. Рекомендательные системы!
Facebook: настолько могущественен, что мировые правительства обеспокоены тем, что новостная лента слишком сильно влияет на людей! (Или, может быть, они обеспокоены потерей собственной силы ... хм ...)
Удивительно!

Этот курс представляет собой большой пакет трюков, которые заставляют рекомендательные системы работать на разных платформах.
Мы рассмотрим популярные алгоритмы подачи новостей, такие как Reddit, Hacker News и Google PageRank.
Мы рассмотрим методики байесовских рекомендаций, которые сегодня используются большим количеством медиакомпаний.

Но этот курс не только о новостных лентах.
Такие компании, как Amazon, Netflix и Spotify, уже много лет используют рекомендации, чтобы предлагать продукты, фильмы и музыку покупателям.
Эти алгоритмы принесли дополнительный доход в миллиарды долларов.
Уверяю вас, то что вы собираетесь изучить на этом курсе, вполне реально, исключительно применимо и наверняка окажет огромное влияние на ваш бизнес.

Для тех из вас, кто любит углубляться в теорию, чтобы понять, как все работает на самом деле, вы знаете, что это моя специальность, и в этом курсе не будет недостатка в этом. Мы расскажем о современных алгоритмах, таких как матричная факторизация и глубокое обучение (с использованием как контролируемого, так и неконтролируемого обучения - автоэнкодеры и ограниченные машины Больцмана), и вы изучите целый пакет трюков, чтобы улучшить базовые результаты.

В качестве бонуса мы также рассмотрим, как выполнить факторизацию матрицы с использованием больших данных в Spark. Мы создадим кластер, используя экземпляры Amazon EC2 с Amazon Web Services (AWS). Большинство других курсов и учебных пособий смотрят на набор данных MovieLens 100k - это просто! Наши примеры используют MovieLens 20 миллионов.

Независимо от того, продаете ли вы продукты в своем интернет-магазине или просто пишете в блоге, вы можете использовать эти методы, чтобы показывать правильные рекомендации своим пользователям в нужное время.
Если вы работаете в компании, вы можете использовать эти методы, чтобы произвести впечатление на своего менеджера и получить повышение!

Спойлер: Продажник

Скрытая ссылка