Cursul Recommender Systems este conceput pentru ingineri ML care doresc să dobândească cunoștințe avansate și abilități practice în proiectarea și implementarea sistemelor de recomandare.
În cadrul acestui training intensiv de nivel avansat, vei explora module precum filtrare colaborativă și pe bază de conținut, factorizări matriciale, generarea de candidați, ranking și re-ranking, precum și modele bazate pe rețele neuronale — de la embeddings, Softmax și Item2Vec, până la autoencodere și variational autoencoders.
Prin laboratoare aplicate și proiect final în domeniul retail, cursul îți permite să aplici aceste tehnici pe cazuri reale, să optimizezi performanța recomandărilor și să dezvolți soluții scalabile, precise și personalizate.
Acest curs se adresează inginerilor Machine Learning.
În cadrul acestui curs, studenții vor învăța cum să proiecteze și să înțeleagă sistemele de recomandare și le pot aplica în mai multe cazuri de utilizare.
Pentru a putea participa în cadrul acestui curs, studenții trebuie să fi parcurs Basic Machine Learning in Tensorflow/Keras.
Este util pentru participanți să aibă cunoștințe despre:
Basic Deep Learning
● Neurons
● Types of Layers
● Networks
● Loss Functions
● Optimizers
● Overfitting
● Tensorflow
Module 1: Recommender Systems and where to find them
1.1 Google
1.2 Ads
1.3 Netflix
Module 2: Basic Recommender Systems
2.1 Cosine Distance
2.2 SVD
2.3 SVD for recommender system factorization
2.4 Laboratory 1: Computing SVD
Module 3: Candidate Generation
3.1 Content Based Filtering
3.2 Collaborative Filtering
3.3 Matrix Factorization
3.4 Laboratory 2: Methods for Factorization
Module 4: Recommendation using Deep Neural Networks
4.1 Softmax Model
4.2 Softmax Embedding
4.3 Embeddings for Neural Networks
4.4 Item2Vec
4.5 Laboratory 3: Computing Embeddings for Movies
Module 5: Ranking
5.1 Retrieval
5.2 Scoring
5.3 Re-ranking
5.4 Laboratory 4: Comparing Recommender System
Module 6: Autoencoder for Recommender Systems
6.1 Autoencoders
6.2 Latent Spaces
6.3 Variational Autoencoders
6.4 Laboratory 5: VAE for Recommender System
Project: Retail Recommender System
