मुख्य सामग्री पर जाएं

कोर्स

Python में रिकमेंडेशन इंजन बनाना

इंटरमीडिएट4 घंटे

Python में मशीन लर्निंग तकनीकों का उपयोग करके recommendation engines बनाना सीखें।

Python4 घंटे16 वीडियो60 अभ्यास4,850 XP12,848उपलब्धि प्रमाणपत्र

अपना नि:शुल्क अकाउंट बनाएँ

Google के साथ जारी रखें
या
जारी रखकर, आप हमारी उपयोग की शर्तें, हमारा गोपनीयता नीति और यह कि आपका डेटा USA में संग्रहीत है।

हज़ारों कंपनियों के शिक्षार्थियों द्वारा पसंद किया गया

टीम को प्रशिक्षित कर रहे हैं?

बिज़नेस आज़माएँ

कोर्स विवरण

हम ऑनलाइन पर्सनलाइज़्ड अनुभवों की अपेक्षा करते हैं—चाहे Netflix कोई शो सुझाए या कोई ऑनलाइन रिटेलर वे आइटम बताए जो आपको पसंद आ सकते हैं। लेकिन ये सुझाव बनते कैसे हैं? इस कोर्स में, आप अपना खुद का रिकमेंडेशन इंजन बनाने के लिए जरूरी सब कुछ सीखेंगे। हैंड्स-ऑन एक्सरसाइज़ के जरिए, आप दो सबसे आम सिस्टम्स—collaborative filtering और content-based filtering—को अच्छी तरह समझेंगे। इसके बाद, आप Jaccard distance और cosine similarity जैसी समानताएँ मापना सीखेंगे, और टेस्ट डेटा पर root mean square error (RMSE) का उपयोग करके रिकमेंडेशन्स की क्वालिटी का मूल्यांकन करना सीखेंगे। कोर्स के अंत तक, आप अपना खुद का मूवी रिकमेंडेशन इंजन बना चुके होंगे और इन सिस्टम्स को किसी भी इंडस्ट्री में बनाने के लिए अपनी Python स्किल्स लागू कर पाएँगे।

पूर्वापेक्षाएँ

पाठ्यक्रम

कोर्स रूपरेखा

1

रिकमेंडेशन इंजनों का परिचय

रिकमेंडेशन इंजन किन समस्याओं को हल करने के लिए बनाए जाते हैं और उनके लिए कौन-सा डेटा सबसे उपयुक्त होता है? सीमित डेटा के साथ भी कौन-से सारगर्भित सुझाव दिए जा सकते हैं, यह समझिए, और अपने खुद के रिकमेंडेशन्स बनाना सीखिए।
अध्याय शुरू करें
2

कॉन्टेंट-आधारित रिकमेंडेशन

जाने कि आइटम के एट्रिब्यूट्स का उपयोग करके कैसे रिकमेंडेशन दिए जा सकते हैं। कैटेगरीकल और टेक्स्ट डेटा दोनों से आइटम्स के बीच उपयोगी तुलना बनाएँ। यूज़र की पिछली पसंद के आधार पर नए आइटम सुझाने के लिए प्रोफाइल जनरेट करें।
अध्याय शुरू करें
3

कोलैबोरेटिव फिल्टरिंग

उपयोगकर्ताओं जैसे मिलते-जुलते स्वाद वाले अन्य लोगों को ढूँढकर नए आइटम्स रिकमेंड करें। यूज़र-बेस्ड और आइटम-बेस्ड रिकमेंडेशन्स बनाना सीखें—और किस संदर्भ में किसका उपयोग करना चाहिए। भीड़ की समझ का लाभ उठाने के लिए k-nearest neighbors मॉडल्स का उपयोग करें और अनुमान लगाएँ कि कोई व्यक्ति किसी अनदेखे आइटम को कैसे रेट कर सकता है।
अध्याय शुरू करें
4

मैट्रिक्स फैक्टराइज़ेशन और अपनी प्रेडिक्शन्स का वैलिडेशन

समझें कि वास्तविक दुनिया के डेटासेट्स की sparsity आपके रिकमेंडेशन्स को कैसे प्रभावित कर सकती है। इस sparsity से निपटने के लिए मैट्रिक्स फैक्टराइज़ेशन की शक्ति का उपयोग करें। latent features के महत्व को जानें और उनसे अपने डेटा को बेहतर समझें। अंत में, आपने जो मॉडल्स सीखे हैं उन्हें परखें और हर अप्रोच को वैलिडेट करना सीखें।
अध्याय शुरू करें

Python में रिकमेंडेशन इंजन बनाना

कोर्स
पूरा

उपलब्धि प्रमाणपत्र प्राप्त करें

अभी नामांकन करें

DataCamp for Mobile के साथ अपने डेटा कौशल बढ़ाएं

हमारे मोबाइल पाठ्यक्रमों और दैनिक 5-मिनट कोडिंग चुनौतियों के साथ चलते-फिरते प्रगति करें।