Python推薦系統(tǒng)和深度學習教程
Python推薦系統(tǒng)和深度學習教程
關(guān)于深度學習、機器學習、數(shù)據(jù)科學和人工智能技術(shù)的推薦系統(tǒng)最深入的課程
課程英文名：Recommender Systems and Deep Learning in Python
此視頻教程共7.0小時，中英雙語字幕，畫質(zhì)清晰無水印，源碼附件全
下載地址
課程編號：276百度網(wǎng)盤地址：https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku
課程內(nèi)容
你會學到什么
使用簡單和最先進的算法為您的用戶理解和實施準確的建議
使用 AWS EC2 集群在 Spark 上進行大數(shù)據(jù)矩陣分解
純 Numpy 中的矩陣分解/ SVD
[Keras]中的矩陣分解
Keras 中的深度神經(jīng)網(wǎng)絡、殘差網(wǎng)絡和自動編碼器
Tensorflow 中的受限玻爾茲曼機
本課程包括：
12.5小時點播視頻
在手機和電視上訪問
結(jié)業(yè)證書
要求
對于前面的部分，只知道一些基本的算術(shù)
對于高級部分，了解微積分、線性代數(shù)和概率以更深入地理解
精通 Python 和 Numpy 堆棧（請參閱我的免費課程）
對于深度學習部分，了解使用 Keras 的基礎(chǔ)知識
描述
信不信由你，今天幾乎所有的在線企業(yè)都以某種方式使用推薦系統(tǒng)。
我所說的"推薦系統(tǒng)"是什么意思，它們?yōu)槭裁从杏茫?/p>
讓我們看看根據(jù) Alexa 排名的互聯(lián)網(wǎng)上排名前 3 的網(wǎng)站：Google、YouTube 和 Facebook。
推薦系統(tǒng)構(gòu)成了這些技術(shù)的基礎(chǔ)。
谷歌：搜索結(jié)果
這就是為什么谷歌是當今最成功的科技公司的原因。
YouTube：視頻儀表板
我敢肯定，當我有更重要的事情要做時，我不是唯一一個不小心在 YouTube 上花費*數(shù)小時的人！*他們是如何說服你這樣做的？
這是正確的。推薦系統(tǒng)！
Facebook：如此強大以至于世界各國政府都擔心新聞源對人們的影響太大！（又或者是擔心失去自己的力量......嗯......）
驚人！
本課程包含大量技巧，可讓推薦系統(tǒng)跨多個平臺工作。
我們將研究流行的新聞提要算法，例如Reddit、Hacker News和Google PageRank。
我們將研究當今大量媒體公司正在使用的貝葉斯推薦技術(shù)。
但本課程不僅僅是關(guān)于新聞提要。
多年來，亞馬遜、Netflix和Spotify等公司一直在使用推薦功能向客戶推薦產(chǎn)品、電影和音樂。
這些算法帶來了數(shù)十億美元的額外收入。
所以我向你保證，你將在這門課程中學到的東西是非常真實的、非常適用的，并且會對你的業(yè)務產(chǎn)生巨大的影響。
對于那些喜歡深入研究理論以了解事物如何真正運作的人，您知道這是我的專長，并且在本課程中不會缺少。我們將介紹最先進的算法，如矩陣分解和深度學習（同時使用監(jiān)督和非監(jiān)督學習 -- 自動編碼器和受限玻爾茲曼機），您將學習到一大堆技巧來改進基線結(jié)果。
作為獎勵，我們還將了解如何在Spark中使用大數(shù)據(jù)執(zhí)行矩陣分解。我們將使用Amazon EC2實例和Amazon Web Services (AWS)創(chuàng)建一個集群。大多數(shù)其他課程和教程都著眼于 MovieLens 100k 數(shù)據(jù)集這是微不足道的！我們的示例使用了 2000 萬個 MovieLens。
無論您是在電子商務商店中銷售產(chǎn)品，還是只是寫博客 -- 您都可以使用這些技術(shù)在正確的時間向您的用戶展示正確的推薦。
如果您是公司的員工，您可以使用這些技巧來打動您的經(jīng)理并獲得加薪！
我們課堂上見！
筆記：
本課程不是我的深度學習系列的"正式"部分。它包含強大的深度學習組件，但課程中有許多與深度學習完全無關(guān)的概念。
"如果你不能實現(xiàn)它，你就不會理解它"
或者正如偉大的物理學家理查德費曼所說："我無法創(chuàng)造的東西，我不明白"。
我的課程是您將學習如何從頭開始實施機器學習算法的唯一課程
其他課程會教你如何將數(shù)據(jù)插入庫中，但你真的需要 3 行代碼的幫助嗎？
在用 10 個數(shù)據(jù)集做同樣的事情之后，你意識到你沒有學到 10 件事。你學到了一件事，只是重復了同樣的 3 行代碼 10 次......
建議的先決條件：
對于前面的部分，只知道一些基本的算術(shù)
對于高級部分，了解微積分、線性代數(shù)和概率以更深入地理解
精通 Python 和 Numpy 堆棧（請參閱我的免費課程）
對于深度學習部分，了解使用 Keras 的基礎(chǔ)知識
對于 RBM 部分，了解 Tensorflow
我應該按什么順序上課？：
查看講座"機器學習和 AI 先決條件路線圖"（可在我的任何課程的常見問題解答中找到，包括免費的 Numpy 課程）
本課程適用于：
擁有或經(jīng)營互聯(lián)網(wǎng)業(yè)務的任何人
機器學習、深度學習、人工智能和數(shù)據(jù)科學專業(yè)的學生
機器學習、深度學習、人工智能和數(shù)據(jù)科學領(lǐng)域的專業(yè)人士
