Скачать [Udemy] Рекомендательные системы и Глубокое обучение на Python (2018)

Тема в разделе "Программирование", создана пользователем Хельга Чехова, 15 мар 2019 в 04:13.

  1. Акция: Вечный статус на скачивание всех материалов с форума всего за 600 руб вместо 900 руб Подробно тут
  1. TopicStarter Overlay
    Хельга Чехова

    Country:
    Ukraine
    Среда
    133
    0
    97
    Женский
    Интернет-маркетолог. Бизнес-консультант.
    Оценки:
    +0 / 0 / -0
    Рекомендательные системы и глубокое обучение на Python
    Самый глубокий курс по системам рекомендаций с глубоким обучением, машинным обучением, наукой о данных и методами ИИ
    ЛИДЕР ПРОДАЖ
    Английский
    Английский [Автоматически созданные]

    Что входит в курс?
    • 11,5 часов видео по запросу
    • Полный пожизненный доступ
    • Доступ через мобильные устройства и телевизор
    • Сертификат об окончании



    Чему вы научитесь
    • Понимать и реализовывать точные рекомендации для своих пользователей, используя простые и современные алгоритмы
    • Матрица больших данных на Spark с кластером AWS EC2
    • Матричная факторизация / SVD в чистом виде
    • Матричная факторизация в Керасе
    • Глубокие нейронные сети, остаточные сети и автоэнкодеры в Керасе
    • Ограниченная машина Больцмана в Tensorflow

    Требования
    • Для более ранних разделов, просто знать некоторые основные арифметические
    • Для продвинутых разделов, знать исчисление, линейную алгебру и вероятность для более глубокого понимания
    • Быть опытным в Python и стеке Numpy (см. Мой бесплатный курс)
    • Для раздела глубокого обучения, знать основы использования Keras

    Описание
    Верьте или нет, почти все онлайн-компании сегодня так или иначе используют рекомендательные системы .

    Что я имею в виду под «рекомендательными системами» и почему они полезны?

    Давайте посмотрим на топ-3 сайтов в Интернете, по данным Alexa: Google, YouTube и Facebook.

    Рекомендательные системы составляют основу этих технологий.

    Google : результаты поиска

    Именно поэтому Google является самой успешной технологической компанией на сегодняшний день.

    YouTube : видеопанель

    Я уверен, что я не единственный, кто случайно провел часы на YouTube, когда у меня были более важные дела! Только как они убеждают тебя сделать это?

    Вот так. Рекомендательные системы!

    Facebook : настолько могущественен, что мировые правительства обеспокоены тем, что новостная лента слишком сильно влияет на людей! (Или, может быть, они обеспокоены потерей собственной силы ... хм ...)

    Удивительно!


    Этот курс - большой пакет трюков, которые заставляют рекомендательные системы работать на разных платформах.

    Мы рассмотрим популярные алгоритмы подачи новостей, такие как Reddit , Hacker News и Google PageRank .

    Мы рассмотрим методики байесовских рекомендаций , которые сегодня используются большим количеством медиакомпаний.


    Но этот курс не только о новостных лентах.

    Такие компании, как Amazon , Netflix и Spotify, уже много лет используют рекомендации, чтобы предлагать продукты, фильмы и музыку покупателям.

    Эти алгоритмы принесли дополнительный доход в миллиарды долларов.

    Так что, уверяю вас, то, что вы собираетесь выучить на этом курсе, очень реально, очень применимо и окажет огромное влияние на ваш бизнес.


    Для тех из вас, кто любит углубляться в теорию, чтобы понять, как все работает на самом деле , вы знаете, что это моя специальность, и в этом курсе не будет недостатка в этом. Мы расскажем о современных алгоритмах, таких как матричная факторизация и глубокое обучение (с использованием как контролируемого, так и неконтролируемого обучения - автоэнкодеры и ограниченные машины Больцмана ), и вы выучите множество приемов для улучшения базовых результатов.


    В качестве бонуса мы также рассмотрим, как выполнить факторизацию матрицы с использованием больших данных в Spark . Мы создадим кластер, используя экземпляры Amazon EC2 с Amazon Web Services (AWS) . Большинство других курсов и учебных пособий смотрят на набор данных MovieLens 100k - это просто! Наши примеры используют MovieLens 20 миллионов.


    Независимо от того, продаете ли вы продукты в своем интернет-магазине или просто пишете в блоге, вы можете использовать эти методы, чтобы показывать правильные рекомендации своим пользователям в нужное время.

    Если вы работаете в компании, вы можете использовать эти методы, чтобы произвести впечатление на своего менеджера и получить повышение!


    Увидимся в классе!



    НОТА:

    This course is not "officially" part of my deep learning series. It contains a strong deep learning component, but there are many concepts in the course that are totally unrelated to deep learning.



    HARD PREREQUISITES / KNOWLEDGE YOU ARE ASSUMED TO HAVE:

    • For earlier sections, just know some basic arithmetic

    • For advanced sections, know calculus, linear algebra, and probability for a deeper understanding

    • Be proficient in Python and the Numpy stack (see my free course)

    • For the deep learning section, know the basics of using Keras

    • For the RBM section, know Tensorflow



    TIPS (for getting through the course):

    • Watch it at 2x.

    • Take handwritten notes. This will drastically increase your ability to retain the information.

    • Write down the equations. If you don't, I guarantee it will just look like gibberish.

    • Задайте много вопросов на доске обсуждений. Чем больше, тем лучше!

    • Лучшие упражнения займут у вас несколько дней или недель.

    • Пишите код самостоятельно, не сидите и не смотрите на мой код. Это не курс философии!



    В ЧЕМ ЗАКАЗАТЬ СЛЕДУЮЩИЙ ВАШ КУРС?

    • Ознакомьтесь с лекцией "В каком порядке я должен пройти ваши курсы?" (доступно в приложении к любому из моих курсов, включая бесплатный курс Numpy)
    Для кого этот курс:
    • Любой, кто владеет или управляет интернет-бизнесом
    • Студенты в области машинного обучения, глубокого обучения, искусственного интеллекта и науки о данных
    • Профессионалы в области машинного обучения, глубокого обучения, искусственного интеллекта и науки о данных
    Скачать: