Введение в системы рекомендаций с Python

Вы когда-нибудь задумывались, как потоковые сервисы предлагают вам посмотреть следующий любимый фильм или как сайты электронной торговли знают, какие товары вам могут понравиться? Этот курс раскроет вам тайны основных технологий, которые лежат в основе персонализированного опыта, обеспечиваемого современным Интернетом. Вы перейдете от фундаментальной теории к практическому применению, изучая основные принципы систем рекомендаций. К концу курса вы создадите свой собственный функциональный рекомендатель фильмов с использованием Python и общих библиотек науки данных, приобретая практический опыт в одной из самых влиятельных областей машинного обучения. Что вы узнаете: - Понять основные принципы, лежащие в основе совместной и контентной фильтрации. - Настройте выделенную среду Python для ваших проектов по науке о данных. - Используйте библиотеку pandas для загрузки, очистки и подготовки наборов данных для анализа. - Создание модели совместной фильтрации для рекомендации элементов на основе поведения пользователя. - Создать рекомендации на основе контента, анализируя особенности самих элементов. - Узнайте, как измерить эффективность ваших моделей с помощью основных показателей оценки. - Применить все концепции для создания полного, рабочего двигателя рекомендаций фильмов. Курс начинается с ключевой терминологии и основных идей, лежащих в основе движков рекомендаций, а затем вы пройдете практические шаги по работе с данными и созданию моделей. Вы будете следовать четким текстовым объяснениям и практиковаться с помощью практических упражнений. Этот курс предназначен для начинающих. Не требуется предыдущий опыт работы с машинным обучением, хотя полезно знакомиться с синтаксисом Python. Начните свой путь к созданию интеллектуальных, персонализированных систем сегодня.