강의

멘토링

로드맵

Inflearn brand logo image
AI Development

/

Deep Learning & Machine Learning

[Nhập môn/Sơ cấp] Triển khai hệ thống gợi ý thông qua các ví dụ đa dạng

🧩 Thay vì giải thích dựa trên công thức phức tạp hay lý thuyết, chúng tôi đặt mục tiêu nắm vững các khái niệm cốt lõi của hệ thống đề xuất thông qua việc tự tay triển khai chương trình. 🛠️ Thông qua tổng cộng 12 ví dụ đa dạng và thực tiễn, chúng tôi đã từng bước thiết kế các hệ thống đề xuất có thể ứng dụng trong môi trường thực tế, bao gồm đề xuất dựa trên nội dung, lọc cộng tác và đề xuất học sâu.

(5.0) 2 đánh giá

163 học viên

  • goodwon5937125
실습 중심
토이프로젝트
추천시스템
AI 코딩
AI 활용법
Machine Learning(ML)
Deep Learning(DL)
PyTorch
AI
LLM

Dịch cái này sang tiếng Việt

  • Khái niệm và triển khai thuật toán đề xuất không cá nhân hóa

  • Khái niệm và triển khai về thuật toán đề xuất cá nhân hóa

  • Nguyên lý hoạt động và triển khai hệ thống đề xuất phản ánh phi cá nhân hóa, thuật toán cá nhân hóa và đa dạng

Tìm hiểu về những điều này

Nắm vững hệ thống đề xuất từng bước, từ cơ bản đến nâng cao.

  • Xét đến trình độ hiểu biết của người học, các bài giảng được xây dựng theo hướng dần dần tiến triển từ những khái niệm cơ bản .

  • Nó được thiết kế để cho phép học từng bước, bắt đầu với các khái niệm thống kê cơ bản, chuyển sang các giai đoạn ứng dụng sử dụng máy học, và sau đó là các kỹ thuật đề xuất nâng cao dựa trên học sâu.

Tăng cường ứng dụng thực tế của hệ thống khuyến nghị

  • Bạn có thể tìm hiểu các chiến lược cốt lõi của hệ thống đề xuất thông qua phương pháp thực tế, bao gồm mọi thứ từ thống kê đến đào tạo mô hình học sâu, đến các kỹ thuật kết hợp và đề xuất về tính đa dạng.

  • Nó được thiết kế để giải quyết nhiều tình huống thực tế, chẳng hạn như tránh các vấn đề khởi động nguội của người dùng hoặc các khuyến nghị quá giống nhau.

  • Chúng tôi đã đề cập sâu sắc đến các vấn đề chính của hệ thống đề xuất thường gặp trong thực tế, tăng cường khả năng ứng dụng và giải quyết vấn đề của chúng trong lĩnh vực này.

Kiểm tra nội dung học tập

Khuyến nghị dựa trên thống kê

  • EDA (Phân tích dữ liệu thăm dò)

  • Đề xuất dựa trên chế độ xem

  • Khuyến nghị dựa trên xếp hạng

Khuyến nghị dựa trên nội dung

  • Các khuyến nghị dựa trên BoW

  • Khuyến nghị dựa trên TF-IDF

  • Các khuyến nghị dựa trên LLM

Các đề xuất dựa trên máy học

  • Khuyến nghị dựa trên KNN (K-Láng giềng gần nhất)

  • Các khuyến nghị dựa trên MF (Phân tích ma trận)

Các khuyến nghị dựa trên học sâu

  • Khuyến nghị dựa trên LightGCN

  • Các khuyến nghị dựa trên SASRec

Tiêu chí đánh giá được đề xuất

  • Chỉ số đánh giá dự đoán xếp hạng

  • Tiêu chí đánh giá xếp hạng

  • Chỉ số đánh giá đa dạng

Hệ thống đề xuất kết hợp

  • Khắc phục sự cố khởi động nguội

  • Mô hình được nhiều người đề xuất

Tôi giới thiệu điều này cho những người này

nhà phát triển phần mềm

Trên thực tế, nó được sử dụng trong nhiều lĩnh vực khác nhau như trung tâm mua sắm, nền tảng nội dung và dịch vụ giáo dục. Nếu các nhà phát triển và kỹ sư có thể hiểu và triển khai nó, nó có thể đóng góp đáng kể vào việc nâng cao khả năng cạnh tranh của sản phẩm .

Nhà khoa học dữ liệu và nhà phân tích dữ liệu

Khả năng diễn giải, lập mô hình và đánh giá toàn diện dữ liệu nhật ký, phản hồi của người dùng và thông tin mục sẽ nâng cao đáng kể khả năng cạnh tranh của bạn với tư cách là một chuyên gia dữ liệu.

Quản lý tiếp thị

Bằng cách đề xuất các sản phẩm hoặc nội dung phù hợp nhất với từng khách hàng dựa trên dữ liệu hành vi của người dùng, bạn có thể tăng tỷ lệ chuyển đổi, giảm tỷ lệ khách hàng rời bỏ và tối đa hóa hiệu suất tiếp thị.

Những điều cần lưu ý trước khi tham gia khóa học

Môi trường thực hành

  • Cài đặt trình duyệt Chrome và tạo tài khoản Google

  • Máy tính có kết nối internet

Tài liệu học tập

  • Các tệp Jupyter Notebook để thực hành

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Người quan tâm đến nguyên lý và cách triển khai hệ thống đề xuất.

  • Những ai quan tâm việc tự triển khai hệ thống gợi ý thay vì công thức hay lý thuyết rườm rà.

  • Những ai muốn tìm hiểu về hệ thống đề xuất qua 12 ví dụ đa dạng và thực tiễn

  • Ai muốn tạo hệ thống gợi ý phản ánh đa dạng, không chỉ thuật toán đơn thuần.

Cần biết trước khi bắt đầu?

  • Python, ngôn ngữ mà người mới bắt đầu cũng dễ hiểu và dễ học.

  • Pandas, một thư viện có thể phân tích và xử lý dữ liệu

  • Google Colab, môi trường thực hành trên đám mây (có thể dùng cả GPU)

Xin chào
Đây là

안녕하세요, 강의를 맡은 조경원입니다.
저는 중소기업부터 대기업까지 다양한 산업 환경에서 웹 개발, 인공지능(AI), 그리고 AWS 인프라 구축 등 폭넓은 실무 경험을 쌓아왔습니다.

이러한 경험을 바탕으로 2022년부터는 오프라인에서 AI 분야의 강의를 진행하며, 실무와 이론을 연결하는 교육을 이어오고 있습니다.

Chương trình giảng dạy

Tất cả

25 bài giảng ∙ (8giờ 59phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

2 đánh giá

5.0

2 đánh giá

  • 알맘님의 프로필 이미지
    알맘

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    12% đã tham gia

    추천시스템에 대해 기초부터 실습까지 체계적으로 배우고 싶어 신청하였습니다. 강의는 추천시스템의 기본 개념(콘텐츠 기반, 협업 필터링 등)부터 최신 딥러닝 기반 방법까지 체계적으로 구성되어 있었고, 실제 코드 실습도 병행되어 이론과 실습을 동시에 익힐 수 있었습니다. 특히, Matrix Factorization과 LightFM, 딥러닝 기반 추천 모델을 직접 구현해보는 과정이 인상 깊었고, Kaggle 실전 예제는 실무에 큰 도움이 되었습니다. 강사님의 설명이 명확하고 실습 코드도 꼼꼼하게 준비되어 있어 부담 없이 따라갈 수 있었습니다. 추천시스템을 처음 배우는 분들이나, 실무 적용을 준비하는 분들에게 강력히 추천합니다!

    • JIYOUNG LEE님의 프로필 이미지
      JIYOUNG LEE

      Đánh giá 1

      Đánh giá trung bình 5.0

      5

      60% đã tham gia

      807.144 ₫

      Khóa học tương tự

      Khám phá các khóa học khác trong cùng lĩnh vực!