شاید تا بحال برای شما این سوال پیش آمده باشد که شرکت گوگل با چه الگوریتمی تبلیغات هوشمند را به کاربران نمایش می دهد ؟ و یا سایتهای تجارت الکترونیک با چه روشی بخش افرادی که این محصول را خریده اند، این محصولات را نیز سفارش داده اند را مدیریت می کنند و یا فیس بوک چگونه هنگام آپلود عکس ها و برچسب زنی آنها توسط ما، نام درست دوستان را به ما پیشنهاد می دهد ؟
پاسخ تمام این سوالات ، استفاده این سایتها از سامانه های توصیه گر است که با رشد روزافزون اطلاعات در دنیای حاضر و نیز افزایش چشمگیر کاربران آنلاین، تحویل اطلاعات درست و مناسب به آنها اهمیتی حیاتی برای این شرکتها یافته است که این امر خود منجر به افزایش تحقیقات در حوزه الگوریتم های توصیه گر شده است .
این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شدهاست و به کاربر خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند. حجم فراوان و روبه رشد اطلاعات بر روی وب و اینترنت، فرایند تصمیمگیری و انتخاب اطلاعات، داده و یا کالاهای مورد نیاز را، برای بسیاری از کاربران وب دشوار کردهاست. این موضوع، خود انگیزهای شد تا محققین را وادار به پیداکردن راهحلی برای رویارویی با این مشکل اساسی عصر جدید که با عنوان سرریز دادهها شناخته میشود کند.
سرفصل های دوره آموزشی Packt Building Recommender Systems with Machine Learning and AI:
– شروع شدن
– مقدمه ای بر پایتون
– ارزیابی سیستم های توصیه گر
– چارچوب موتور توصیه گر
– فیلتر بر اساس محتوا
– فیلترینگ همکاری با همسایگی
– روشهای اندازه گیری ماتریس
– مقدمه ای بر یادگیری عمیق
– آموزش عمیق برای سیستم های توصیه گر
– بزرگ کردن آن
– ۱۱: چالش های واقعی سیستم های توصیه گر
– مطالعات موردی
– رویکردهای ترکیبی
– بسته شدن