कोर्स
PySpark के साथ Recommendation Engines बनाना
उन्नतकौशल स्तर
अपडेट किया गया 04/2026
SparkMachine Learning4 घंटे15 वीडियो56 अभ्यास4,550 XP14,151उपलब्धि का प्रमाण पत्र
अपना मुफ़्त खाता बनाएं
Google के साथ जारी रखेंअधिक विकल्प दिखाएँया
जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।
हजारों कंपनियों के शिक्षार्थियों द्वारा पसंद किया गया
टीम को ट्रेनिंग देना चाहते हैं?
व्यवसाय के लिए आज़माएँपाठ्यक्रम विवरण
पूर्व आवश्यकताएं
Supervised Learning with scikit-learnIntroduction to PySpark1
सिफारिशें हर जगह हैं
यह अध्याय आपको दिखाएगा कि recommendation engines कितने शक्तिशाली हो सकते हैं, और collaborative-filtering engines तथा content-based engines के बीच महत्वपूर्ण अंतर स्पष्ट करेगा, साथ ही उन विभिन्न प्रकार के implicit और explicit डेटा के बारे में भी बताएगा जिनका उपयोग recommendation engines कर सकते हैं। आप एक बहुत प्रभावशाली तरीका भी सीखेंगे जिससे आप छिपी हुई विशेषताएँ (latent features) खोज सकते हैं जिन्हें आप अपने customer datasets में मौजूद होने के बारे में शायद जानते भी न हों।
2
ALS कैसे काम करता है?
इस अध्याय में आप matrix multiplication और matrix factorization की बुनियादी अवधारणाओं की समीक्षा करेंगे, और गहराई से समझेंगे कि Alternating Least Squares एल्गोरिदम कैसे काम करता है तथा सर्वोत्तम सिफारिशें लौटाने के लिए यह किन arguments और hyperparameters का उपयोग करता है। आप Spark में ALS के लिए अपने डेटा को सही तरीके से तैयार करने की महत्वपूर्ण तकनीकें भी सीखेंगे।
3
फिल्मों की सिफारिश करना
इस अध्याय में आपका परिचय MovieLens डेटासेट से कराया जाएगा। आप देखेंगे कि इसे ALS के लिए कैसे परखा जाए, इस पर एक पूर्ण cross-validated ALS मॉडल कैसे बनाया जाए, और इसके प्रदर्शन का मूल्यांकन कैसे किया जाए। यह Pyspark का उपयोग करके आप जो भी आगे ALS मॉडल बनाएँगे, उनकी बुनियाद होगा।
4
अगर आपके पास customer ratings न हों तो?
अधिकांश वास्तविक स्थितियों में, आपके पास ALS मॉडल बनाने के लिए "perfect" customer डेटा उपलब्ध नहीं होगा। यह अध्याय आपको सिखाएगा कि अपने customer behavior डेटा का उपयोग करके customer ratings को कैसे "infer" किया जाए और उन inferred ratings से ALS recommendation engine कैसे बनाया जाए। Million Songs Dataset और MovieLens डेटासेट के एक अन्य संस्करण का उपयोग करते हुए, यह अध्याय आपको दिखाएगा कि उपलब्ध डेटा से ALS का उपयोग करके recommendation engine कैसे बनाएँ और उसके प्रदर्शन का मूल्यांकन कैसे करें।
PySpark के साथ Recommendation Engines बनाना
पाठ्यक्रम पूर्ण
उपलब्धि का प्रमाण पत्र अर्जित करें
इस प्रमाण पत्र को अपनी LinkedIn प्रोफ़ाइल, रिज्यूमे या CV में जोड़ेंइसे सोशल मीडिया पर और अपनी प्रदर्शन समीक्षा में साझा करेंअभी नामांकन करें
19 मिलियन से अधिक शिक्षार्थियों के साथ जुड़ें और आज ही PySpark के साथ Recommendation Engines बनाना शुरू करें!
अपना मुफ़्त खाता बनाएं
Google के साथ जारी रखेंअधिक विकल्प दिखाएँया
जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।
मोबाइल के लिए DataCamp के साथ अपने डेटा कौशल को बढ़ाएं
हमारे मोबाइल कोर्स और दैनिक 5 मिनट की कोडिंग चुनौतियों के साथ चलते-फिरते प्रगति करें।