After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Bu kursta, PySpark'ta Alternating Least Squares kullanarak öneri motorları nasıl oluşturulacağını öğreneceksin. Popüler MovieLens veri kümesi ve Million Songs veri kümesini kullanarak, bu kurs seni Alternating Least Squares algoritmasının sezgisinden başlayıp, çeşitli müşteri verileri üzerinde ALS modellerini eğitmek, test etmek ve uygulamak için gereken koda kadar adım adım götürecek.
Ön Koşullar
Müfredat
Kurs içeriği
1
Öneriler Her Yerde
Bu bölüm, öneri motorlarının ne kadar güçlü olabileceğini gösterecek ve işbirlikçi filtreleme motorlarıyla içerik tabanlı motorlar arasındaki önemli farkları, ayrıca öneri motorlarının kullanabileceği örtük ve açık veri türlerini açıklayacak. Ayrıca, müşteri veri kümelerinde varlığından bile haberdar olmayabileceğin gizli özellikleri (latent özellikler) ortaya çıkarmanın çok güçlü bir yolunu da öğreneceksin.
- Neden öneri motoru oluşturmayı öğrenmelisin?50 XP
- Bir öneri motorunun gücünü gör100 XP
- Öneri motorlarının gücü50 XP
- Öneri motoru türleri ve veri türleri50 XP
- Collaborative ve content-based filtering50 XP
- Birlikte filtreleme vs içerik tabanlı filtreleme II50 XP
- Örtük ve açık veri100 XP
- Puan veri türleri100 XP
- Öneri motorlarının kullanım alanları50 XP
- Öneri motorlarının alternatif kullanımları.50 XP
- Gizil özellikleri anladığını doğrula100 XP
2
ALS nasıl çalışır?
Bu bölümde matris çarpımı ve matris ayrıştırmasının temel kavramlarını gözden geçirecek, Alternating Least Squares algoritmasının nasıl çalıştığına ve en iyi önerileri döndürmek için hangi argümanlar ve hiperparametreleri kullandığına derinlemesine bakacaksın. Ayrıca Spark'ta verilerini ALS için doğru şekilde hazırlamak adına önemli teknikleri öğreneceksin.
3
Film Önerileri
Bu bölümde MovieLens veri kümesiyle tanışacaksın. Onun ALS için uygunluğunu nasıl değerlendireceğini görecek, üzerinde tam bir çapraz doğrulamalı ALS modeli kuracak ve performansını nasıl değerlendireceğini öğreneceksin. Bu, PySpark kullanarak oluşturacağın tüm sonraki ALS modelleri için temel olacak.
4
Müşteri puanların yoksa ne olur?
Gerçek hayatın çoğu durumunda, bir ALS modeli oluşturmak için "mükemmel" müşteri verileri elinde olmayabilir. Bu bölüm, müşteri davranış verilerini kullanarak müşteri puanlarını nasıl "tahmin edeceğini" ve bu tahmin edilen puanlarla bir ALS öneri motoru oluşturacağını öğretecek. Million Songs veri kümesini ve MovieLens veri kümesinin başka bir sürümünü kullanarak, bu bölüm elindeki verilerle ALS kullanarak nasıl bir öneri motoru kuracağını ve performansını nasıl değerlendireceğini gösterecek.
PySpark ile Öneri Motorları Oluşturma
Kurs
Tamamlandı
