Python中的推荐系统与深度学习

从基础到高级的全面指南

价格：$89.99

学生数量：28,637 名学生

上次更新时间：2024年5月

教程评分：4.7/5（5,342 评分）

教程语言：英语

教程字幕：英语、法语

本课程包括：终身访问权、12.5小时按需视频、移动和电视访问、完成证书

学习内容：

• 使用简单和最先进的算法实现准确的用户推荐
• 在Spark上使用AWS EC2集群进行大数据矩阵分解
• 在Numpy中实现矩阵分解/SVD
• 在Keras中实现矩阵分解和深度神经网络
• 在Tensorflow中实现受限玻尔兹曼机

课程要求：

• 早期章节只需了解一些基本的算术知识
• 高级章节需要了解微积分、线性代数和概率以获得更深入的理解
• 熟练掌握Python和Numpy栈（参见我的免费课程）
• 深度学习部分需要了解使用Keras的基础知识

课程描述：

几乎所有的在线业务今天都在某种程度上使用推荐系统。无论是谷歌的搜索结果、YouTube的视频推荐还是Facebook的信息流，推荐系统都是这些技术的核心。本课程将带您深入了解推荐系统的工作原理，并使用矩阵分解和深度学习等最先进的算法实现它们。

此外，您还将学习如何使用Spark在AWS上进行大数据处理，创建一个使用MovieLens 20百万数据集的集群。本课程不仅仅是理论，还将教您如何在实际应用中实现这些技术。

课程目录：

• 1. 课程介绍
• 2. 获取代码
• 3. 如何在本课程中取得成功
• 4. 需求
• 5. 矩阵分解/SVD (Numpy)
• 6. 矩阵分解 (Keras)
• 7. 深度神经网络 (Keras)
• 8. 受限玻尔兹曼机 (TensorFlow)
• 9. 大数据矩阵分解 (Spark)
• 10. 课程总结

讲师介绍：

课程由机器学习和AI专家创建，专注于推荐系统和深度学习的实际应用。讲师通过详细解释每一行代码，帮助学生深入理解算法的原理和实现。

常见问题：

• 问：学习本课程需要什么基础？
  答：早期章节只需基本算术知识，高级章节需要微积分、线性代数和概率的知识。需要熟悉Python和Numpy栈。
• 问：本课程适合谁？
  答：适合拥有或运营互联网业务的人、机器学习、深度学习、人工智能和数据科学领域的学生和专业人士。
• 问：课程多长时间？
  答：总共12.5小时的按需视频。