강의

멘토링

로드맵

BEST
AI Development

/

Deep Learning & Machine Learning

(CẬP NHẬT) Hệ thống đề xuất cá nhân hóa bằng Python | Thuật toán đề xuất | Trí tuệ nhân tạo đề xuất

Tạo thuật toán đề xuất được cá nhân hóa của riêng bạn bằng cách hiểu cách hoạt động của các thuật toán đề xuất khác nhau!

(4.7) 41 đánh giá

1,049 học viên

  • 거친코딩
멘토링 ON
페이스메이커
Recommendation System
Deep Learning(DL)

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

  • Khái niệm về thuật toán đề xuất

  • 다양한 khuyến nghị thuật toán hoạt động nguyên lý

  • Python được sử dụng để triển khai thuật toán đề xuất

Triển khai hệ thống đề xuất được cá nhân hóa
Thô sơ nhưng hữu ích với mã hóa thô!

Bí quyết để có một dịch vụ thành công
Thuật toán hệ thống đề xuất
👨‍💻

Netflix, Amazon, YouTube, Spotify, v.v.
Bao gồm các dịch vụ nổi tiếng thế giới
Một dịch vụ sử dụng thuật toán đề xuất
Nó ngày càng tăng lên.

Tuy nhiên...
Điều này nghe có vẻ không giống của tôi phải không?

“Tôi thực sự có thể sửa lại khái niệm về thuật toán đề xuất không?”
“Tôi hiểu khái niệm về thuật toán đề xuất... nhưng làm cách nào để triển khai nó ?”

👇👇


Hệ thống khuyến nghị
Python dễ dàng và trực quan!

Khi số lượng dịch vụ sử dụng thuật toán đề xuất tăng lên, số người muốn tìm hiểu về thuật toán đề xuất cũng tiếp tục tăng. Phù hợp với điều này Chúng tôi muốn giải thích chính xác các khái niệm và nguyên tắc của thuật toán đề xuất bằng ngôn ngữ lập trình Python dễ hiểu và trực quan.

Thuật toán đề xuất: Tại sao lại là Python?

Tôi hy vọng đây sẽ là khoảng thời gian đầy ý nghĩa cho những ai muốn tìm hiểu hệ thống khuyến nghị và những ai muốn phát triển kỹ năng triển khai phù hợp với thực tế sử dụng 😊

💻 Kiểm tra kiến ​​thức người chơi của bạn!

  • Để tham gia khóa học, bạn cần có hiểu biết cơ bản về ngôn ngữ Python và các thư viện Numpy, Pandas và Keras.

học khác đi
Thế giới của hệ thống gợi ý
💌

Thô lỗ nhưng thực sự có lợi!
Nhà phân tích dữ liệu mã hóa thô .


Xin chào! Tôi là một lập trình viên thô hiện đang làm nhà phân tích dữ liệu tại “one of Nekara” .

Bạn đã bao giờ tự hỏi liệu bạn có thể hiểu đúng khái niệm về thuật toán đề xuất của mình không? Khi đọc sách thì bạn hiểu, nhưng khi thực sự thử thực hiện thuật toán, bạn có cảm thấy hụt hẫng không?

Thông qua bài giảng này, chúng tôi sẽ giải thích rõ ràng nền tảng của thuật toán đề xuất bằng cách giải thích chính xác khái niệm và nguyên tắc hoạt động. Bài giảng được cấu trúc sao cho không kết thúc bằng phần giải thích đơn giản về các khái niệm mà còn mang lại sự tự tin khi triển khai thực tế bằng cách mã hóa các nguyên tắc hoạt động cụ thể .

Nhà phân tích dữ liệu, mã hóa thô là 👨‍💻

Hiện tại, “ one of Nekara ” đang sử dụng Python và các công cụ trực quan hóa (Tableau) để thu thập, xử lý, phân tích, dự đoán, trực quan hóa và tự động hóa công việc.

Lịch sử khóa

  • Đại học Hàn Quốc, Cử nhân Thống kê (Tốt nghiệp)
  • Trường sau đại học Đại học Hàn Quốc, Khoa hội tụ dữ liệu lớn (sinh viên hiện tại)
  • Thành viên ủy ban đánh giá Bảng xếp hạng Đại học Thế giới QS
  • Hoàn thiện nâng cao trí tuệ nhân tạo lấy SW làm trung tâm của Đại học Hàn Quốc
  • Chủ tọa phiên họp của Đại học Hàn Quốc KUCC (Câu lạc bộ Máy tính)
  • Thủ khoa khoa Đại học Hàn Quốc 5 lần, thủ khoa tổng kết 1 lần
  • Chứng chỉ kỹ sư phân tích dữ liệu lớn
  • Chứng chỉ Chuyên gia Phân tích Dữ liệu Lớn (ADSP))
  • Hoạt độngblog phân tích và phát triển dữ liệu lớn
  • Bài giảng Vận hành trí tuệ nhân tạo YouTube

Tiến độ hướng dẫn

  • Phương pháp học tập hiệu quả cho sinh viên mơ ước công việc phân tích dữ liệu
  • Tư vấn cho các nhà phân tích cấp dưới làm việc trong lĩnh vực phân tích dữ liệu
  • Những người không làm trong lĩnh vực CNTT nhưng muốn sử dụng công nghệ CNTT và áp dụng vào công việc


thông qua kiến ​​thức của tôi
Một bài giảng chúng ta cùng nhau tạo ra
Tôi hy vọng như vậy.

Sự khởi đầu là điều quan trọng nhất trong mọi việc. Nếu có thắc mắc trong quá trình học, vui lòng liên hệ với chúng tôi qua [Question/Answer] . Chúng tôi cũng cung cấp dịch vụ tư vấn , vì vậy chúng tôi muốn giúp đỡ những ai quan tâm đến phân tích dữ liệu. 😊


Vô song!
Tại sao khóa học này lại đặc biệt 👍

Một bài giảng mơ hồ tập trung vào những giải thích đơn giản về các khái niệm?

• Tài liệu có sẵn trên Internet
Tôi không nghĩ các bài giảng có gì khác biệt.
• Giải thích khái niệm tốt;
Vì vậy, làm thế nào chính xác để bạn thực hiện nó trong thực tế?
• Bản thân ngôn ngữ này đã rất khó.

Giáo trình hệ thống, bài giảng thực tế chú trọng thực hành!

• Thay vì chỉ giải thích các khái niệm;
Đây là một bài giảng thực tế tập trung vào các nguyên tắc và thực hành .
• Nó không đơn thuần là một bài giảng thu thập tài liệu từ mạng;
Tôi biên soạn và biên soạn sách tham khảo có thẩm quyền .
• Tôi sử dụng Python, học dễ dàng và nhanh chóng.

1️⃣ Bài giảng thực tế tập trung vào nguyên tắc và thực hành, không giải thích đơn giản các khái niệm

Những giải thích khái niệm đơn giản về thuật toán đề xuất đã có sẵn trên nhiều trang web. Tuy nhiên, dù lời giải thích về mặt khái niệm có tốt đến đâu thì cũng vô ích nếu nó không dẫn đến việc thực hiện chính xác trên thực tế.

Trong bài giảng này, chúng tôi sẽ giới thiệu trung thực cho bạn khái niệm về thuật toán đề xuất, cũng như cung cấp cho bạn bí quyết để giới thiệu hệ thống đề xuất tại nơi làm việc.

2️⃣ Học dễ dàng và nhanh chóng bằng Python

Khóa học được thực hiện bằng Python, một ngôn ngữ chuyên về lĩnh vực trí tuệ nhân tạo và có thể học nhanh hơn các ngôn ngữ lập trình khác. Khóa học được cấu trúc sao cho bạn không chỉ hiểu thuật toán đề xuất mà còn học kỹ thuật dữ liệu cần thiết để xây dựng mô hình trí tuệ nhân tạo.

3️⃣ Hiểu biết chính xác thông qua giáo trình có hệ thống

Hệ thống đề xuất được cá nhân hóa bằng Python (Nhà xuất bản sách Cheongram, tác giả Lim Il)

Đây không phải là một bài giảng đơn giản được tạo thành từ những kiến ​​thức được thu thập một cách lỏng lẻo từ nhiều trang web khác nhau. Chúng tôi cấu trúc một cách có hệ thống chương trình giảng dạy dựa trên nội dung của các sách tham khảo có thẩm quyền.


Những gì bạn học
Hãy xem thử 📚

Trong bài giảng này 💻

  • Nó chủ yếu bao gồm nội dung tổng thể của công nghệ đề xuất được cá nhân hóa.
  • Trong số đó, chúng tôi đề cập cụ thể đến các kỹ thuật đề xuất được cá nhân hóa sử dụng các giá trị liên tục .
  • Lọc cộng tác, hệ số hóa ma trận, thuật toán đề xuất học sâu và hệ thống đề xuất kết hợp kết hợp nhiều thuật toán đề xuất cũng được giải thích.

định hướng

Mục đích của bài giảng này là để hiểu cách hoạt động của các thuật toán đề xuất cá nhân hóa chính. Mục đích và phần giới thiệu bài giảng đã được tóm tắt qua video OT dài 5 phút, mời các bạn xem qua [Lecture Preview] nhé!

Giới thiệu hệ thống khuyến nghị

Chúng tôi sẽ giới thiệu khái niệm về hệ thống khuyến nghị, các công nghệ khác nhau và quy trình phát triển của nó nhằm lựa chọn và trình bày thông tin hoặc sản phẩm cần thiết cho người dùng dựa trên dữ liệu hành vi trong quá khứ của người dùng hoặc dữ liệu khác.

  • Thuật toán đề xuất chính
  • Ví dụ ứng dụng hệ thống khuyến nghị

Hệ thống khuyến nghị cơ bản

Đây là quá trình chuẩn bị và tìm hiểu dữ liệu cơ bản để tìm hiểu các lý thuyết và thực tiễn trong tương lai. Chúng tôi sẽ giới thiệu các nguyên tắc hoạt động cơ bản của hệ thống tư vấn.

  • đọc dữ liệu
  • Phương pháp sản phẩm phổ biến
  • Đo lường độ chính xác của hệ thống gợi ý
  • Khuyến nghị theo nhóm người dùng

Hệ thống đề xuất lọc cộng tác

Chúng tôi sẽ giới thiệu khái niệm và nguyên tắc hoạt động của lọc cộng tác dựa trên sự tương đồng (CF) và nâng cao hiểu biết của bạn về khái niệm này bằng cách thực sự triển khai nó cùng nhau.

  • Nguyên tắc lọc cộng tác
  • Chỉ báo tương đồng
  • Thuật toán CF cơ bản
  • CF xem xét hàng xóm
  • Xác định kích thước vùng lân cận tối ưu
  • CF xem xét xu hướng đánh giá của người dùng
  • Các cách khác để cải thiện độ chính xác của CF
  • CF dựa trên người dùng và CF dựa trên vật phẩm
  • Các chỉ số đo lường hiệu quả hoạt động của hệ thống gợi ý

Đề xuất dựa trên Hệ số ma trận (MF)

Chúng tôi sẽ giới thiệu khái niệm và nguyên tắc hoạt động của Hệ số ma trận (MF), dựa trên các phép toán ma trận và nâng cao hiểu biết của bạn về khái niệm này bằng cách thực tế triển khai nó.

  • Nguyên lý của phương pháp nhân tử hóa ma trận (MF)
  • Thuật toán MF sử dụng Giảm dần độ dốc ngẫu nhiên (SGD)
  • Thuật toán cơ bản MF sử dụng SGD
  • thuật toán MF tách biệt huấn luyện/kiểm tra
  • Tìm thông số tối ưu của MF
  • MF và SVD

Sử dụng gói Bất ngờ

Tìm hiểu khái niệm và nguyên tắc hoạt động của gói cho phép bạn dễ dàng triển khai và kiểm tra các hệ thống đề xuất dựa trên CF và MF.

  • Cách sử dụng cơ bản về Bất ngờ
  • So sánh thuật toán
  • Chỉ định các tùy chọn thuật toán
  • So sánh các điều kiện khác nhau
  • Sử dụng dữ liệu ngoài

Hệ thống khuyến nghị sử dụng deep learning

Nâng cao hiểu biết của bạn về khái niệm này bằng cách thực hành các nguyên tắc và thực tiễn vận hành hệ thống khuyến nghị bằng cách sử dụng khái niệm mạng nơ-ron nhân tạo có nhiều lớp ẩn.

  • Chuyển đổi hệ số ma trận (MF) sang mạng thần kinh
  • Triển khai MF với Keras
  • Hệ thống khuyến nghị sử dụng deep learning
  • Thêm biến vào mô hình học sâu

Hệ thống khuyến nghị lai

Chúng tôi sẽ nâng cao hiểu biết của bạn thông qua nội dung phương pháp luận và thực tiễn thực tế về việc bổ sung và cải thiện hiệu suất chung bằng cách kết hợp nhiều thuật toán đề xuất.

  • Ưu điểm của hệ thống tư vấn kết hợp
  • Nguyên tắc của hệ thống tư vấn kết hợp
  • Hệ thống tư vấn lai (kết hợp CF và MF)

Sử dụng Ma trận thưa để xử lý dữ liệu quy mô lớn

Bạn sẽ hiểu được các kỹ năng thực tế bằng cách học cách xử lý một lượng dữ liệu không thể quản lý được và quá trình áp dụng thuật toán đề xuất thực tế.

  • Khái niệm và cách sử dụng Ma trận thưa thớt trong Python
  • Áp dụng Ma trận thưa cho thuật toán đề xuất

Những vấn đề trong việc xây dựng hệ thống khuyến nghị

Bằng cách tóm tắt các vấn đề và vấn đề thường xuyên phát sinh khi xây dựng hệ thống khuyến nghị thực tế, bạn sẽ học được nhiều bí quyết khác nhau có thể giảm bớt một chút việc thử và sai trong quá trình tạo hệ thống khuyến nghị thực tế.

  • Người dùng và vật phẩm mới (Vấn đề khởi động nguội)
  • Khả năng mở rộng
  • Bài thuyết trình
  • Sử dụng dữ liệu nhị phân
  • Bảo mật dữ liệu đánh giá gián tiếp từ người dùng

người chia sẻ kiến ​​thức
Hãy xem phần hỏi đáp! 💬

H. Tôi có cần biết kiến ​​thức của người chơi (Python, Numpy, Pandas, Keras) không?

Bạn phải biết Python, nhưng không cần phải nghiên cứu trước các thư viện khác quá sâu. Bạn chỉ nên tìm kiếm và nghiên cứu những nội dung bạn chưa biết khi nghe bài giảng. Các thư viện sử dụng trong bài giảng rất hữu ích và được sử dụng phổ biến nên đối với những người mới học lần đầu, đây có thể là tài liệu hướng dẫn nên học trước. 😉

Q. Dữ liệu có được cung cấp trước không?

Tất nhiên rồi. Dữ liệu được sử dụng trong tất cả các bài giảng sẽ sử dụng dữ liệu MovieLens do dự án GroupLens của Đại học Minnesota phát triển và xác minh và có thể tải xuống thông qua URL dữ liệu được cung cấp trước khi lớp học bắt đầu.

H. Tôi có thể phát triển một công cụ đề xuất thực tế bằng cách tham gia khóa học không?

Tất cả các chương bài giảng không chỉ kết hợp các khái niệm về các thuật toán đề xuất khác nhau mà còn cả các bài tập thực hành. Vì vậy, bạn có thể phát triển công cụ đề xuất của riêng mình bằng cách sửa đổi mã mà chúng tôi đã cùng nhau thực hành một chút để phù hợp với từng miền.

Câu hỏi: Tôi có cần cài đặt Python riêng hoặc định cấu hình môi trường phát triển riêng không?

Bạn không cần phải làm điều đó chút nào. Để loại bỏ rắc rối khi cài đặt và xây dựng môi trường phát triển, chúng tôi sẽ sử dụng Colab, trình chỉnh sửa môi trường web do Google cung cấp.

Để biết thông tin chi tiết về cách sử dụng Colab, hãy xem blog của tôi hoặc tìm kiếm “cách sử dụng Colab” trên Google để tìm hiểu thêm thông tin chi tiết.

Bạn có tò mò về các bài giảng mã hóa thô khác không? 📖

Học máy được xây dựng từ các thư viện Python cơ bản
Hướng dẫn hoàn hảo về học máy cho những người mới bắt đầu! bài giảng miễn phí

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Bất kỳ ai quan tâm đến thuật toán đề xuất được cá nhân hóa

  • Những người muốn giới thiệu hệ thống khuyến nghị vào nơi làm việc của họ

Cần biết trước khi bắt đầu?

  • Hiểu cơ bản về Python

  • Hiểu cơ bản về thư viện Numpy

  • Hiểu cơ bản về thư viện Pandas

  • Hiểu cơ bản về thư viện Keras

Xin chào
Đây là

6,804

Học viên

106

Đánh giá

101

Trả lời

4.8

Xếp hạng

3

Các khóa học

🙌 소개

안녕하세요. 거칠지만 정말 유익한 데이터 분석가 "거친코딩" 입니다.

  • 고려대학교 통계학과 (졸업)

  • 고려대학교 대학원 빅데이터융합학과 (재학)

  • QS 세계대학평가 평가위원

  • 고려대학교 SW 중심대학 인공지능 심화 수료

  • 고려대학교 KUCC(컴퓨터 동아리) 세션장

  • 고려대학교 학과 5회 수석, 1회 전체 수석

  • 빅데이터분석기사 자격증

  • 빅데이터분석 준전문가(adsp) 자격증

  • 빅데이터 분석 및 개발 블로그 운영

  • 인공지능 강의 유튜브 운영

 

저는 현재 "네카 중 한 곳"에서 파이썬 및 시각화툴(Tableau)를 활용하여 데이터 수집, 가공, 분석, 예측, 시각화, 업무 자동화를 하고 있습니다.

 

⭐️ 멘토링

  • 데이터 분석 직무를 꿈꾸는 학생들을 위한 효율적 공부법

  • 데이터 분석 현업에 있는 주니어 분석가를 위한 상담

  • 현업에서 IT직군이 아니지만, IT 기술을 활용하여 본인 업무에 적용하고 싶은 분

 

🌈 멘토링 진행 방식

  • zoom을 통한 비대면 방식 진행

  • 준비물 : 컴퓨터, 카메라, 이어폰

  • 미리 준비한 질문 사항 혹은 현 상황에 따라 멘토링 진행

 

🐯 마무리 글

  • 모든 일에는 시작이 가장 중요합니다. 뜨거운 열정으로 이루고자 하는 것을 꼭 이뤄냅시다!..

 

📨 메일문의

rough_coding@naver.com

Chương trình giảng dạy

Tất cả

42 bài giảng ∙ (6giờ 14phút)

Tài liệu khóa học:

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

Đánh giá

Tất cả

41 đánh giá

4.7

41 đánh giá

  • junhkwak님의 프로필 이미지
    junhkwak

    Đánh giá 2

    Đánh giá trung bình 4.0

    5

    12% đã tham gia

    Khóa học này dành cho các chuyên gia trình độ trung cấp trở lên, những người muốn thực sự triển khai các đề xuất. ^^ Thật tốt vì đó là thứ bạn không thể dễ dàng nhìn thấy.

    • 거친코딩
      Giảng viên

      Cảm ơn bạn đã để lại một đánh giá tốt. Như bạn đã nói, chúng tôi đã cố gắng đảm bảo rằng nó không chỉ là một khái niệm mà chỉ bao gồm những nội dung thiết thực để triển khai thực tế :) Đây chưa phải là phần cuối của bài giảng này và chúng tôi sẽ quay lại với những chủ đề được đề xuất thú vị hơn. Cảm ơn -Giấc mơ viết mã thô-

  • leejken5305874님의 프로필 이미지
    leejken5305874

    Đánh giá 13

    Đánh giá trung bình 4.2

    3

    95% đã tham gia

    Tất cả đều tốt, nhưng tôi không hiểu tại sao họ không cung cấp bản PDF. Đó là để học thêm..? Tôi hoàn toàn không hiểu bạn đang nói về điều gì. Tôi rất thích bài giảng. Nhưng việc chia sẻ các tệp PDF mà bạn sử dụng về cơ bản không phải là điều tự nhiên sao? Hoặc, vui lòng nêu rõ trước khi thanh toán rằng bản PDF sẽ không được chia sẻ; Tôi thực sự rất buồn.

    • ajaalsgus님의 프로필 이미지
      ajaalsgus

      Đánh giá 13

      Đánh giá trung bình 4.9

      5

      100% đã tham gia

      Nhờ đó, sự hiểu biết của tôi về hệ thống gợi ý đã được cải thiện rất nhiều. Đây thực sự là một bài giảng hay!

      • 거친코딩
        Giảng viên

        Chúng tôi rất vui khi biết rằng sự hiểu biết của bạn đã được cải thiện :) Các lớp còn lại hãy nỗ lực thật nhiều nhé! Nếu bạn có bất kỳ câu hỏi nào, vui lòng để lại trên bảng câu hỏi cộng đồng. Cảm ơn - Giấc mơ viết mã thô sơ-

    • hodtkqwlf124563님의 프로필 이미지
      hodtkqwlf124563

      Đánh giá 2

      Đánh giá trung bình 5.0

      5

      39% đã tham gia

      Tôi đã học được khái niệm về thuật toán đề xuất từ ​​thông tin rải rác trên nhiều blog khác nhau...ㅠㅠㅠㅠ Thật tuyệt khi tất cả được sắp xếp ở một nơi. Tôi sắp được đào tạo thực tế nên tôi sẽ cố gắng hết sức!

      • 거친코딩
        Giảng viên

        Như bạn đã đề cập, có rất nhiều blog đề cập đến khái niệm thuật toán đề xuất, nhưng nhiều blog trong số đó không liên tục hoặc chứa không đủ thông tin. Tôi hy vọng bạn sử dụng cơ hội này để thiết lập một khái niệm rõ ràng! Luyện tập cũng là một cuộc chiến!! -Giấc mơ viết mã thô-

    • gkstoa06002932님의 프로필 이미지
      gkstoa06002932

      Đánh giá 3

      Đánh giá trung bình 5.0

      5

      51% đã tham gia

      Lần này tôi dự định giới thiệu hệ thống đề xuất như một dịch vụ nội bộ và tôi nghĩ nó thực sự hữu ích.

      • 거친코딩
        Giảng viên

        Những bình luận như thế này thực sự khiến tôi cảm thấy rất được khen ngợi...ㅠ Nhờ bài giảng này tôi sẽ quay lại bài giảng tiếp theo với bài giảng thuật toán gợi ý độc đáo hơn. Nếu bạn có cơ hội dùng thử tại nhà, tôi sẽ thực sự đánh giá cao nếu bạn có thể để lại nhận xét về nó như thế nào. -Giấc mơ viết mã thô-

    925.210 ₫

    Khóa học khác của 거친코딩

    Hãy khám phá các khóa học khác của giảng viên!

    Khóa học tương tự

    Khám phá các khóa học khác trong cùng lĩnh vực!