
初心者向け、ディープラーニングとTensorFlowの要点だけを素早く
Jay
¥1,447
初級 / Deep Learning(DL), Tensorflow, Python, colab
4.9
(47)
この講座では、Tensorflow を活用してディープラーニングを学習します。線形回帰、ロジスティック回帰、ソフトマックス回帰モデルを学び、最後にファッション画像を分類できる MLP モデルを作成します。
初級
Deep Learning(DL), Tensorflow, Python
この講義では、推薦システムの核心アルゴリズムから実践的な実装まで扱います。 - コンテンツベースフィルタリング - 協調フィルタリング、ディープラーニングベースの推薦モデル実装 - Two-step recommender systems 実装 - PyTorch/RecBole 活用した実習 - 現場のノウハウと推薦結果の可視化まで
受講生 90名
難易度 初級
受講期間 無制限


レコメンドシステムの核心アルゴリズム(Content-based filter、Collaborative filter)を理解し、直接実装することができます
PyTorchとRecBoleを活用して実践的な推薦モデルを作成し評価する能力を身につけることができます
推薦結果を確認し、チューニングできる能力を身につけることができます
大学院課程と実務を経て直接得たノウハウを通じて講義を制作しました。
実務ですぐに通用するレコメンド技術をしっかり身につけたいなら、
講義を通じて一緒に学びましょう!
MovieLensデータセットベース、Deep Learning推薦モデル構築
ユーザーカスタマイズ映画推薦システムを最初から最後まで完成させます。
Two-step recommender systemsの構築と推薦結果の可視化
実務ノウハウに基づく推薦結果の分析とチューニング能力を身につけます。
レコメンドシステムの概念、ビジネス価値、そして他の機械学習タスクとの違いを理解します。情報過多の解消とパーソナライゼーションのためのレコメンドシステムの重要性を学習します。
講義に必要な実験環境を構築し、推薦システムの性能を測定する様々な評価指標(Metric)を学習します。また、使用されるデータセットと推薦システムアーキテクチャに対する全般的な概要を把握します。
ユーザーの過去の視聴履歴や好みと類似したコンテンツを推薦するコンテンツベースフィルタリング(CBF)技法を学びます。Sentence Transformerを活用してテキスト類似度に基づいて映画を推薦する高度な技法を実習します。
RecBoleライブラリを活用して協調フィルタリング(CF)ベースの推薦モデルを構築し、訓練する過程を学習します。特にLightGCNモデルを使用してユーザー-アイテム相互作用に基づいた推薦性能を最適化します。
コンテンツベースフィルタリングと協調フィルタリングを組み合わせたTwo-step推薦システムを実装します。LightGCNモデルを基盤に個人化推薦とコンテンツ類似性推薦を融合し、より精緻な推薦結果を生成する方法を学びます。
Streamlitフレームワークを使用して構築されたレコメンドシステムの結果を効果的に可視化します。TMDB APIとの連携を通じて映画ポスターと詳細情報を含むインタラクティブな可視化ページを開発します。
✔️ 推薦システムを学びたい入門者及び大学(院)生
レコメンドシステムの基本原理(コンテンツベース、協調フィルタリング)を明確に理解したい方
PyTorchとRecBoleを活用して実際の推薦モデルを直接作ってみたい方
レコメンドアルゴリズムの動作原理を学び、結果を解釈する能力を身につけたい方
✔️ 推薦システムをサービスに導入しようとする現場エンジニア
最新の推薦アルゴリズム(ディープラーニングベース、Two-step)の実践的な適用方法を学びたい方
現場で活用されるレコメンドシステム構築のノウハウを習得したい方
実際の映画推薦システムを構築しながら技術的なインサイトを得たい方
✔️ 推薦システム分野でキャリアを積みたい開発者
人気サービス(Netflix、YouTube、Coupang)の核心技術である推薦システムの専門家として成長したい方
データ駆動でユーザー体験を革新するモデル開発力を強化したい方
パーソナライズド推薦システムの構築から結果の可視化まで全過程を経験したい方
実習環境
Windows OS
Python 3.12
PyTorch 2.6およびRecBole
推奨スペック: 8GB RAM以上、SSDストレージ10GB以上
事前知識および注意事項
Pythonプログラミングの基本文法に対する理解が必要です。
機械学習または推薦システムに関する事前知識があれば学習に役立ちます。
学習資料
講義で使用するコードの例はすべて提供されます。
MovieLensデータセットを活用した実習が行われます。
学習対象は
誰でしょう?
レコメンドシステムを導入しようとするエンジニア
レコメンドシステムエンジニアになりたい大学(院)生
レコメンドシステムについて知りたい人なら誰でも
前提知識、
必要でしょうか?
基本的なPythonプログラミング能力が必要です。
Pytorchを使用した経験が必要です。
7,254
受講生
219
受講レビュー
171
回答
4.9
講座評価
5
講座
誰もが楽しく有益に学べる開発コンテンツを作っていきます。
NAVER Connect Boostcamp ウェブバックエンド(Node.js) 6期 code reviewer 活動
ソウル産業振興院 SeSSAC オンラインITコンテンツパートナー (Full Stack)
ソウル産業振興院 SeSSAC 開発者入門コース進行 (Python, Javascript)
建国大学 没入型プログラミング課程 講義進行
ソウル市 SSAC ライジングプログラマー サーバーパート総括
暗号資産(仮想通貨)自動売買プログラム開発受託 (Qt)
マーケティングエージェンシーのランディングページ開発外注 (Web)
リアルタイムデータ処理Windowsアプリケーション開発外注 (Qt)
仮想通貨自動売買プログラム開発外注 (Qt) マーケティングエージェンシー・ランディングページ開発外注 (Web) リアルタイムデータ処理 Windows アプリケーション開発外注 (Qt)
全体
18件 ∙ (2時間 7分)
講座資料(こうぎしりょう):
1. 授業紹介
02:16
全体
4件
5.0
4件の受講レビュー
受講レビュー 111
∙
平均評価 4.9
受講レビュー 2
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!
¥7,053

