利用機器學習和人工智慧建立推薦系統

Contents

通過深度學習、神經網路和機器學習建議，幫助人們發現新的產品和內容

從這 11 小時的課程，你會學到

瞭解並應用基於使用者和基於項目的協同過濾向用戶推薦項目
用大規模地深度學習來建立推薦
利用神經網路和受限 Boltzmann 機器( RBM’s ) 建構推薦系統
使用遞歸神經網路( recurrent neural networks )和門閘遞迴單元( Gated Recurrent Units，GRU )製作基於會話( session-based )的推薦
建立一個用 Python 測試和評估推薦演演算法的框架
應用正確的度量來評斷推薦系統的成功度
使用 SVD 和 SVD++ 等矩陣分解方法( matrix factorization methods )建構推薦系統
將 Netflix 和 YouTube 的實戰學習應用到你自己的推薦專案中
將許多推薦演算法結合在混合和整合方法中
使用 Apache Spark 在叢集上計算大規模的推薦
使用 K-Nearest-Neighbors 向用戶推薦項目
用基於內容的推薦解決”冷啟動”問題( 對新用戶一無所知，沒有數據基礎，就會有 cold start 的問題 )
瞭解大規模推薦系統共同問題的解決方案

要求

一個至少有 3GB 空間的 Windows、Mac 或 Linux 電腦
具備一些程式設計或指令碼語言經驗 (最好是 Python)
具備電腦科學背景，以及理解新演算法的能力

課程說明

更新了神經協同過濾 (Neural Collaborative Filtering ，NCF)、Tensorflow 推薦器 (Tensorflow Recommenders ，TFRS) 和生成對抗網路推薦 (Generative Adversarial Networks，GAN)

跟著一位在這個領域的亞馬遜( Amazon )先鋒學習如何建立推薦系統。Frank Kane 在亞馬遜工作了九年多，在那裡他管理並領導了許多亞馬遜個性化產品推薦技術的開發。

你可以在任何地方看到自動化的推薦——在 Netflix 的主頁上，在 YouTube 上，在 Amazon 上，因為這些機器學習演算法瞭解你的獨特興趣，並展示符合你個人喜好的產品或內容。這些技術已經是最大、最有聲望僱主需要的技術核心。經由瞭解這門技術的原理，你將對他們非常有價值。

我們將涵蓋基於鄰居( neighborhood-based )協同過濾的經過嘗試的真實推薦演算法，並更進一步學習人工神經網路的矩陣分解( matrix factorization )甚至深度學習( deep learning )等更為現代的技術。一路學習下來，你將從 Frank 豐富的產業經驗中暸解在現實世界中你將遇到的的挑戰，當你在大規模與真實世界資料下應用這些演算法時。

推薦系統很複雜；請勿因想要學習寫程式而報名參加本課程。關於如何製作推薦系統，沒有任何可遵循的秘訣。你需要了解不同的演算法以及如何選擇何時針對給定情況應用每種演算法。我們假設你已經知道如何寫程式。

然而，這門課程非常注重實作；你將開發自己的框架來評估和組合許多不同的推薦演算法，甚至可以使用 Tensorflow 建立自己的神經網路，根據真人的真實電影評分來產生推薦。

我們將涵蓋 :

建立推薦引擎
評估推薦系統
以項目屬性做基於內容的過濾
基於使用者、基於項目和 KNN CF 的以鄰居為基礎( neighborhood-based )的協同過濾
基於模型的方法，包括矩陣分解( matrix factorization )和 SVD
將深度學習、人工智慧和人工神經網路應用於推薦
基於會話( session-based )的遞迴神經網路( recursive neural networks )推薦
通過 Apache Spark 機器學習、Amazon DSSTNE 深度學習，和有分解機( factorization machines )的 AWS SageMaker 擴張到大規模的資料集
建議系統的實際挑戰和解決方案
來自 YouTube 和 Netflix 的案例研究
建立混合系統，整合推薦系統
建構混合、整合推薦器
涵蓋推薦系統領域的最新研究的 Bleeding edge alerts

這個綜合課程從早期的協同過濾( collaborative filtering )開始，到深度神經網路( deep neural networks )的尖端應用和現代機器學習技術，向每個使用者推薦最好的項目。

本課程的寫程式練習採用 Python。如果你是新手，我們會介紹 Python，但是為了成功地使用這門課程，你需要已有一些程式設計經驗。如果你是人工智慧領域的新手，我們也會簡單介紹深度學習，但是你需要能夠理解新的計算機演算法。

本課程提供高品質的、手工編輯的英語字幕，以幫助你跟進。

我希望很快能在課堂上見到你！

目標受眾

有興趣應用機器學習和深度學習做產品或內容的推薦的軟體開發者
有興趣到大型電子商務或網路公司工作的工程師
有興趣研究最新的推薦系統理論的電腦科學家

講師簡介

Sundog Education by Frank Kane 為世界提供大數據和機器學習的培訓

Sundog Education 的使命是提供大數據、資料科學和機器學習方面的做出非常寶貴的職能讓全世界的每個人都能接觸學習。我們的專家教練團隊與你分享我們在這些新興領域的知識，以任何人都可以接受的價格。

Sundog Education 由 Frank Kane 領導，由 Frank 的公司 Sundog Software LLC 擁有。Frank 在 Amazon 和 IMDb 工作了9年，開發和管理自動向億萬客戶提供產品和電影推薦的技術。 Frank 在分佈式計算、資料探勘和機器學習等領域擁有17項專利。 2012年，弗蘭克離開了自己的成功公司Sundog Software，該公司專注於虛擬現實環境技術，並教他人大數據分析。

英文字幕：有 ( 講師提供 )

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

點選這個 Network & Security 課程✨優惠連結✨ ( NT370 起限時特價中 ) | Udemy 永久擁有課程 ( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現