Aperçu
Ce cours commence par les concepts théoriques et les connaissances fondamentales des systèmes de recommandation, couvrant les taxonomies essentielles. Vous apprendrez à utiliser Python pour évaluer des ensembles de données en fonction des évaluations des utilisateurs, des choix, des genres et des années de sortie. Des approches pratiques vous aideront à construire des techniques de filtrage basées sur le contenu et collaboratives.
Au fur et à mesure de votre progression, vous couvrirez les concepts nécessaires pour les systèmes de recommandation appliqués et les modèles d'apprentissage automatique, avec des projets inclus pour une expérience pratique. Les apprentissages clés incluent les bases intégrées à l'IA, la taxonomie, le surapprentissage, le sous-apprentissage, le biais, la variance et la construction de systèmes basés sur le contenu et les articles avec ML et Python, y compris les moteurs basés sur KNN.
Le cours convient aux débutants et à ceux ayant une certaine expérience en programmation, visant à perfectionner les compétences en ML et à construire des systèmes de recommandation personnalisés. Aucune connaissance préalable des systèmes de recommandation, de l'apprentissage automatique, de l'analyse de données ou des mathématiques n'est nécessaire, uniquement une connaissance basique de Python. À la fin, vous mettrez en relation les théories avec divers domaines, mettrez en œuvre des modèles ML pour des systèmes de recommandation du monde réel et les évaluerez.
Université : Fournisseur : Coursera
Catégories : Cours d'Intelligence Artificielle, Cours de Python, Cours d'Apprentissage Automatique, Cours d'Analyse des Données, Cours de Systèmes de Recommandation, Cours de Filtrage basé sur le contenu, Cours de Filtrage Collaboratif, Cours de TF-IDF
Programme
Enseigné par
Étiquettes
