(CẬP NHẬT) Hệ thống gợi ý cá nhân hóa sử dụng Python | Thuật toán gợi ý | Trí tuệ nhân tạo gợi ý

Hãy tạo ra thuật toán gợi ý cá nhân hóa của riêng bạn bằng cách thấu hiểu nguyên lý hoạt động của các thuật toán gợi ý đa dạng!

(4.7) 42 đánh giá

1,070 học viên

Độ khó Cơ bản

Thời gian Không giới hạn

Recommendation System
Recommendation System
Deep Learning(DL)
Deep Learning(DL)
Recommendation System
Recommendation System
Deep Learning(DL)
Deep Learning(DL)

Đánh giá từ những học viên đầu tiên

Đánh giá từ những học viên đầu tiên

4.7

5.0

junhkwak

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.

5.0

ajaalsgus

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!

5.0

이지호

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!

Bạn sẽ nhận được điều này sau khi học.

  • Khái niệm về thuật toán gợi ý

  • Nguyên lý hoạt động của các thuật toán gợi ý khác nhau

  • Triển khai thuật toán gợi ý sử dụng Python

Triển khai hệ thống gợi ý cá nhân hóa
Cùng với Geochin Coding, tuy thô ráp nhưng đầy hữu ích!

Bí quyết của dịch vụ thành công
Thuật toán hệ thống gợi ý
👨‍💻

Netflix, Amazon, YouTube, Spotify cùng với các dịch vụ nổi tiếng thế giới khác,
các dịch vụ sử dụng thuật toán gợi ý
đang ngày càng
gia tăng.

Nhưng mà...
có phải bạn đang thấy giống chuyện của mình không?

“Liệu tôi có thể nắm vững khái niệm về thuật toán gợi ý không?”
“Thuật toán gợi ý, tôi hiểu khái niệm rồi... nhưng làm thế nào để triển khai đây?”

👇👇


Hệ thống gợi ý 📌
với Python dễ học và trực quan!

Khi các dịch vụ sử dụng thuật toán gợi ý ngày càng trở nên phổ biến, số lượng người muốn tìm hiểu về thuật toán gợi ý cũng không ngừng tăng lên. Để đáp ứng nhu cầu này, trong cuốn <Hệ thống gợi ý cá nhân hóa sử dụng Python>, chúng tôi muốn giải thích khái niệm và nguyên lý chính xác về thuật toán gợi ý bằng cách sử dụng Python, một ngôn ngữ lập trình dễ hiểu và trực quan.

Thuật toán gợi ý, tại sao lại là Python?

Hy vọng đây sẽ là khoảng thời gian ý nghĩa dành cho những ai muốn học về hệ thống gợi ý, cũng như những ai muốn rèn luyện khả năng triển khai thực tế phù hợp với công việc chuyên môn 😊

💻 Hãy kiểm tra kiến thức tiên quyết!

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

Học hỏi khác biệt về 
thế giới của hệ thống gợi ý
💌

Tuy thô ráp nhưng thực sự hữu ích!
Tôi là nhà phân tích dữ liệu Coding Thô.


Xin chào! Tôi là Geochin Coding, hiện đang làm việc với tư cách là một nhà phân tích dữ liệu tại "một trong những công ty IT hàng đầu (Naver, Kakao, Line)".

Bạn có đang băn khoăn liệu mình có thể nắm vững các khái niệm về thuật toán gợi ý không? Khi đọc sách thì hiểu, nhưng đến khi thực sự bắt tay vào triển khai thuật toán, bạn lại cảm thấy hoàn toàn bế tắc?

Thông qua bài giảng này, tôi sẽ giúp bạn xây dựng nền tảng vững chắc về thuật toán gợi ý bằng cách giải thích chính xác các khái niệm và nguyên lý hoạt động. Bài giảng được thiết kế không chỉ dừng lại ở việc giải thích khái niệm đơn thuần, mà còn giúp bạn tự tin hơn trong việc triển khai thực tế thông qua việc lập trình cùng với các nguyên lý hoạt động cụ thể.

Nhà phân tích dữ liệu, Geochin Coding là 👨‍💻

Hiện tại, tôi đang thực hiện thu thập, xử lý, phân tích, dự đoán, trực quan hóa dữ liệu và tự động hóa công việc bằng Python và công cụ trực quan hóa (Tableau) tại "một trong những công ty Naver, Kakao, Line".

Lịch sử chính

  • Cử nhân khoa Thống kê, Đại học Korea (Tốt nghiệp)
  • Khoa Khoa học Dữ liệu Hội tụ, Cao học Đại học Korea (đang theo học)
  • Thành viên Hội đồng Đánh giá Đại học Thế giới QS
  • Hoàn thành khóa học chuyên sâu về Trí tuệ nhân tạo tại Đại học SW-Centric, Đại học Korea
  • Trưởng nhóm phiên thảo luận (Session Chair) tại KUCC (Câu lạc bộ Máy tính), Đại học Korea
  • Thủ khoa khoa 5 lần, Thủ khoa toàn trường 1 lần tại Đại học Korea
  • Chứng chỉ Kỹ sư Phân tích Dữ liệu lớn (Big Data Analysis Engineer)
  • Chứng chỉ Chuyên gia phân tích dữ liệu lớn (ADsP)
  • Vận hành blog phát triển và phân tích dữ liệu lớn
  • Vận hành kênh YouTube bài giảng trí tuệ nhân tạo

Tiến hành cố vấn

  • Phương pháp học tập hiệu quả dành cho những sinh viên đang mơ ước theo đuổi công việc phân tích dữ liệu
  • Tư vấn dành cho các nhà phân tích cấp dưới (junior) đang làm việc trong lĩnh vực phân tích dữ liệu
  • Những người không thuộc khối ngành IT nhưng muốn ứng dụng công nghệ IT vào công việc hiện tại của mình


Thông qua kiến thức của mình,
tôi hy vọng đây sẽ là bài giảng
mà chúng ta cùng nhau tạo nên.

Mọi việc quan trọng nhất là ở bước khởi đầu. Nếu có bất kỳ thắc mắc nào trong quá trình học tập, vui lòng liên hệ qua [Hỏi/Đáp]. Tôi cũng đang thực hiện chương trình mentoring, hy vọng có thể giúp ích được nhiều cho những bạn quan tâm đến phân tích dữ liệu. 😊


Không có đối thủ!
Lý do tại sao bài giảng này lại khác biệt 👍

Bài giảng mơ hồ chỉ tập trung vào giải thích khái niệm đơn thuần?

• Có vẻ như bài giảng không khác biệt mấy so với
các tài liệu tràn lan trên mạng.
• Giải thích khái niệm thì tốt đấy,
nhưng rốt cuộc thì việc triển khai thực tế phải làm chính xác như thế nào?
• Độ khó của chính ngôn ngữ đang sử dụng quá cao.

Lộ trình học bài bản, bài giảng thực chiến lấy thực hành làm trọng tâm!

• Đây là bài giảng thực hành tập trung vào
nguyên lý và thực hành chứ không chỉ giải thích khái niệm đơn thuần.
• Không phải là bài giảng chỉ tập hợp các tài liệu trên mạng, mà được
đúc kết từ các sách tham khảo có uy tín.
• Sử dụng Python để học tập nhanh chóng và dễ dàng.

1️⃣ Không chỉ là giải thích khái niệm đơn thuần, mà là bài giảng thực hành tập trung vào nguyên lý + thực hành

Hiện tại đã có rất nhiều trang web giải thích về các khái niệm cơ bản của thuật toán gợi ý. Tuy nhiên, dù khái niệm có hay đến đâu đi chăng nữa, nó cũng sẽ trở nên vô nghĩa nếu không thể hiện thực hóa một cách chính xác trong thực tế.

Trong khóa học này, chúng tôi không chỉ truyền tải đầy đủ các khái niệm về thuật toán gợi ý mà còn cung cấp những bí quyết vững chắc để triển khai hệ thống gợi ý trong công việc thực tế.

2️⃣ Bài giảng sử dụng Python giúp học tập dễ dàng và nhanh chóng

Bài giảng được thực hiện bằng ngôn ngữ Python, một ngôn ngữ có thể học nhanh chóng so với các ngôn ngữ lập trình khác và đặc biệt chuyên dụng trong lĩnh vực trí tuệ nhân tạo. Nội dung bài giảng được xây dựng để bạn không chỉ hiểu về các thuật toán gợi ý mà còn có thể học cả kỹ thuật dữ liệu (data engineering) cần thiết cho việc xây dựng mô hình trí tuệ nhân tạo.

3️⃣ Hiểu biết chính xác với lộ trình học tập hệ thống

Hệ thống gợi ý cá nhân hóa sử dụng Python (Nhà xuất bản Cheongram, tác giả Lim Il)

Đây không phải là một bài giảng được cấu thành bằng cách thu thập sơ sài những kiến thức trôi nổi trên nhiều trang mạng khác nhau. Dựa trên nội dung tóm tắt từ các tài liệu tham khảo có uy tín, chúng tôi đã xây dựng chương trình giảng dạy một cách hệ thống.


Hãy kiểm tra
nội dung học tập 📚

Trong khóa học này 💻

  • Nội dung chủ yếu đề cập đến toàn bộ các kỹ thuật gợi ý cá nhân hóa.
  • Trong đó, chúng tôi đặc biệt tập trung vào kỹ thuật gợi ý cá nhân hóa sử dụng các giá trị liên tục.
  • Chúng tôi cũng giải thích về Lọc cộng tác (Collaborative Filtering), Phân tách ma trận (Matrix Factorization), các thuật toán gợi ý Học sâu (Deep Learning) và hệ thống gợi ý lai (Hybrid) kết hợp nhiều thuật toán gợi ý khác nhau.

Định hướng

Mục đích của bài giảng lần này là giúp bạn hiểu rõ nguyên lý hoạt động của các thuật toán gợi ý cá nhân hóa chính. Mục đích và phần giới thiệu của bài giảng đã được tóm tắt trong video OT dài khoảng 5 phút, vì vậy hãy kiểm tra thông qua [Xem trước bài giảng] nhé!

Giới thiệu về hệ thống gợi ý

Chúng tôi sẽ giới thiệu về khái niệm hệ thống gợi ý - hệ thống lựa chọn và đề xuất các thông tin hoặc sản phẩm cần thiết cho người dùng dựa trên dữ liệu hành vi trong quá khứ hoặc các dữ liệu khác - cùng với các công nghệ đa dạng và quá trình phát triển của nó.

  • Các thuật toán gợi ý chính
  • Các ví dụ áp dụng hệ thống gợi ý

Hệ thống gợi ý cơ bản

Đây là quá trình chuẩn bị và tìm hiểu các dữ liệu cơ bản để phục vụ cho việc học lý thuyết và thực hành sau này. Tôi sẽ giới thiệu cho bạn nguyên lý hoạt động cơ bản của hệ thống gợi ý.

  • Đọc dữ liệu
  • Phương pháp sản phẩm phổ biến
  • Đo lường độ chính xác của hệ thống gợi ý
  • Gợi ý theo từng nhóm người dùng

Hệ thống gợi ý lọc cộng tác

Tôi sẽ giới thiệu khái niệm và nguyên lý hoạt động của Lọc cộng tác (CF) dựa trên độ tương đồng, đồng thời giúp bạn hiểu rõ hơn về khái niệm này thông qua việc trực tiếp triển khai thực tế.

  • Nguyên lý của lọc cộng tác
  • Chỉ số tương đồng
  • Thuật toán CF cơ bản
  • CF cân nhắc láng giềng (Neighbor-based CF)
  • Quyết định kích thước láng giềng tối ưu
  • CF cân nhắc đến xu hướng đánh giá của người dùng
  • Các phương pháp cải thiện độ chính xác CF khác
  • CF dựa trên người dùng và CF dựa trên mục tiêu
  • Chỉ số đo lường hiệu quả của hệ thống gợi ý

Gợi ý dựa trên Matrix Factorization (MF)

Chúng tôi sẽ giới thiệu khái niệm và nguyên lý hoạt động của Matrix Factorization (MF) dựa trên các phép toán ma trận, đồng thời nâng cao sự hiểu biết về khái niệm này thông qua việc thực hiện triển khai thực tế.

  • Nguyên lý của phương thức Matrix Factorization (MF)
  • Thuật toán MF sử dụng SGD (Stochastic Gradient Descent)
  • Thuật toán MF cơ bản sử dụng SGD
  • Thuật toán MF phân tách train/test
  • Tìm tham số tối ưu cho MF
  • MF và SVD

Sử dụng gói Surprise

Tìm hiểu về khái niệm và nguyên lý hoạt động của gói thư viện cho phép triển khai và kiểm tra hệ thống gợi ý dựa trên CF và MF một cách dễ dàng.

  • Cách sử dụng cơ bản của Surprise
  • So sánh thuật toán
  • Chỉ định tùy chọn thuật toán
  • So sánh các điều kiện đa dạng
  • Sử dụng dữ liệu bên ngoài

Hệ thống gợi ý sử dụng Deep Learning

Bằng cách tìm hiểu nguyên lý và thực hành vận hành hệ thống gợi ý sử dụng khái niệm mạng thần kinh nhân tạo với nhiều lớp ẩn (hidden layer), chúng ta sẽ nâng cao sự hiểu biết về khái niệm tương ứng.

  • Chuyển đổi Matrix Factorization (MF) thành mạng thần kinh
  • Triển khai MF bằng Keras
  • Hệ thống gợi ý áp dụng Deep Learning
  • Thêm biến vào mô hình Deep Learning

Hệ thống gợi ý lai (Hybrid Recommendation System)

Chúng tôi sẽ nâng cao sự hiểu biết thông qua các nội dung mang tính phương pháp luận về việc bổ trợ và cải thiện hiệu suất lẫn nhau bằng cách kết hợp nhiều thuật toán gợi ý, cùng với các bài thực hành thực tế.

  • Ưu điểm của hệ thống gợi ý lai (Hybrid Recommendation System)
  • Nguyên lý của hệ thống gợi ý hybrid
  • Hệ thống gợi ý lai (Kết hợp giữa CF và MF)

Sử dụng Ma trận thưa (Sparse Matrix) để xử lý dữ liệu quy mô lớn

Bằng cách học phương pháp xử lý lượng dữ liệu khổng lồ vượt quá khả năng chịu tải và quy trình áp dụng thuật toán gợi ý vào thực tế, bạn sẽ rèn luyện được cảm quan về các kỹ năng thực chiến.

  • Khái niệm về Sparse Matrix và cách sử dụng trong Python
  • Áp dụng Sparse Matrix vào thuật toán gợi ý

Các vấn đề trong việc xây dựng hệ thống gợi ý

Thông qua việc tổng hợp các vấn đề và sự cố thường phát sinh khi xây dựng hệ thống gợi ý thực tế, bạn sẽ trực tiếp học hỏi được nhiều bí quyết khác nhau để có thể giảm bớt phần nào những sai sót trong quá trình sản xuất hệ thống gợi ý thực tế.

  • Người dùng và vật phẩm mới (Cold Start Problem)
  • Khả năng mở rộng (Scalability)
  • Ứng dụng của gợi ý (Presentation)
  • Sử dụng dữ liệu nhị phân (Binary Data)
  • Thu thập dữ liệu đánh giá gián tiếp (Indirect Evaluation Data) của người dùng

Hãy xem phần 
Hỏi & Đáp của người chia sẻ kiến thức! 💬

Q. Có nhất thiết phải biết kiến thức tiên quyết (Python, Numpy, Pandas, Keras) không?

Bạn nhất định phải biết Python, nhưng đối với các thư viện khác, bạn không cần phải học quá sâu từ trước. Tôi khuyên bạn nên vừa nghe giảng, vừa tìm hiểu riêng những nội dung mình chưa biết khi chúng xuất hiện trong bài học. Cách sử dụng các thư viện trong bài giảng đều rất hữu ích và phổ biến, nên đối với những người mới bắt đầu, đây có thể là một hướng dẫn tốt để biết nên học cái gì trước tiên. 😉

Q. Dữ liệu có được cung cấp trước không?

Tất nhiên rồi. Dữ liệu được sử dụng trong tất cả các bài giảng là dữ liệu MovieLens đã được kiểm chứng, phát triển bởi dự án GroupLens của Đại học Minnesota, và bạn có thể tải xuống thông qua URL dữ liệu được cung cấp trước khi bắt đầu buổi học.

Q. Sau khi học xong khóa học này, tôi có thể phát triển được công cụ gợi ý thực tế không?

Trong tất cả các chương của bài giảng, chúng tôi không chỉ cung cấp khái niệm về các thuật toán gợi ý đa dạng mà còn kết hợp song song với các bài thực hành thực tế. Vì vậy, chỉ cần thay đổi một chút từ mã nguồn đã thực hành cùng nhau sao cho phù hợp với lĩnh vực riêng của mình, bạn hoàn toàn có thể phát triển công cụ gợi ý của riêng bạn.

Q. Tôi có cần phải cài đặt Python riêng hay phải thiết lập môi trường phát triển riêng biệt không?

Bạn hoàn toàn không cần phải làm vậy. Để loại bỏ sự phiền phức của việc cài đặt và thiết lập môi trường phát triển, chúng ta sẽ sử dụng Colab, một trình soạn thảo môi trường web do Google cung cấp.

Để biết chi tiết cách sử dụng Colab, bạn có thể kiểm tra thông qua blog của tôi hoặc tìm kiếm cụm từ "cách sử dụng colab" trên Google để biết thêm chi tiết. 

Nếu bạn tò mò về các bài giảng khác của Geochin Coding? 📖

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

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những người quan tâm đến thuật toán đề xuất cá nhân hóa

  • Những người muốn áp dụng hệ thống gợi ý vào công việc thực tế

Cần biết trước khi bắt đầu?

  • Hiểu biết cơ bản về Python

  • Tìm hiểu cơ bản về thư viện Numpy

  • Hiểu biết cơ bản về thư viện Pandas

  • Tìm hiểu cơ bản về thư viện Keras

Xin chào
Đây là 거친코딩

7,043

Học viên

112

Đánh giá

102

Trả lời

4.8

Xếp hạng

3

Các khóa học

🙌 Giới thiệu

Xin chào. Tôi là nhà phân tích dữ liệu "Geochin Coding" tuy thô ráp nhưng thực sự hữu ích.

  • Khoa Thống kê, Đại học Korea (Tốt nghiệp)

  • Cao học chuyên ngành Khoa học dữ liệu hội tụ, Đại học Korea (Đang theo học)

  • Thành viên Hội đồng đánh giá Bảng xếp hạng đại học thế giới QS (QS World University Rankings)

  • Hoàn thành khóa học chuyên sâu về Trí tuệ nhân tạo (AI) tại Đại học trọng điểm về SW - Đại học Korea

  • Trưởng nhóm chuyên đề (Session Leader) CLB Máy tính KUCC, Đại học Korea

  • 5 lần đứng đầu khoa, 1 lần đứng đầu toàn trường tại Đại học Korea

  • Chứng chỉ Kỹ sư Phân tích Dữ liệu lớn (Big Data Analysis Engineer)

  • Chứng chỉ Phân tích Dữ liệu Lớn Bán chuyên nghiệp (ADsP)

  • Vận hành blog phân tích và phát triển dữ liệu lớn

  • Vận hành kênh YouTube giảng dạy về trí tuệ nhân tạo

Hiện tại tôi đang thực hiện thu thập, xử lý, phân tích, dự báo, trực quan hóa dữ liệu và tự động hóa công việc bằng cách sử dụng Python và công cụ trực quan hóa (Tableau) tại "một trong những công ty thuộc nhóm Naver/Kakao" .

⭐ Mentoring

  • Phương pháp học tập hiệu quả dành cho các bạn sinh viên đang mơ ước theo đuổi công việc phân tích dữ liệu

  • Tư vấn dành cho các nhà phân tích cấp độ Junior đang làm việc trong lĩnh vực phân tích dữ liệu

  • Những người không làm việc trong khối ngành IT nhưng muốn ứng dụng công nghệ IT vào công việc hiện tại của mình.

🌈 Cách thức tiến hành cố vấn (mentoring)

  • Tiến hành theo hình thức trực tuyến thông qua Zoom

  • Chuẩn bị: Máy tính, camera, tai nghe

  • Tiến hành cố vấn dựa trên các câu hỏi đã chuẩn bị trước hoặc tùy theo tình hình hiện tại.

🐯 Lời kết

  • Trong mọi việc, bắt đầu luôn là bước quan trọng nhất. Với niềm đam mê cháy bỏng, nhất định chúng ta sẽ đạt được những gì mình mong muốn!..

📨 Liên hệ qua email

rough_coding@naver.com

Thêm

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

42 đánh giá

4.7

42 đánh giá

  • 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-

  • 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-

  • 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-

  • sangjinsu님의 프로필 이미지
    sangjinsu

    Đánh giá 10

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Tôi đang làm việc trên một hệ thống gợi ý cho dự án này và nó rất hữu ích. Cảm ơn

    • 거친코딩
      Giảng viên

      Thật là một tin tốt khi bạn đang thực hiện một dự án hệ thống khuyến nghị! Tôi cũng đang thực hiện một dự án hệ thống khuyến nghị trong công ty. Nếu bạn có thắc mắc hoặc muốn chia sẻ Vui lòng để lại tin nhắn bất cứ lúc nào tới địa chỉ email của tôi được liệt kê trong chi tiết bài giảng hoặc trong phần cộng đồng! Cảm ơn -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-

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

924.086 ₫