Python推荐系统和深度学习教程
Python推荐系统和深度学习教程
关于深度学习、机器学习、数据科学和人工智能技术的推荐系统最深入的课程
课程英文名：Recommender Systems and Deep Learning in Python
此视频教程共7.0小时，中英双语字幕，画质清晰无水印，源码附件全
下载地址
课程编号：276 百度网盘地址：https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku
课程内容
你会学到什么
-
使用简单和最先进的算法为您的用户理解和实施准确的建议
-
使用 AWS EC2 集群在 Spark 上进行大数据矩阵分解
-
纯 Numpy 中的矩阵分解/ SVD
-
[Keras]中的矩阵分解
-
Keras 中的深度神经网络、残差网络和自动编码器
-
Tensorflow 中的受限玻尔兹曼机
本课程包括：
-
12.5小时点播视频
-
在手机和电视上访问
-
结业证书
要求
-
对于前面的部分，只知道一些基本的算术
-
对于高级部分，了解微积分、线性代数和概率以更深入地理解
-
精通 Python 和 Numpy 堆栈（请参阅我的免费课程）
-
对于深度学习部分，了解使用 Keras 的基础知识
描述
信不信由你，今天几乎所有的在线企业都以某种方式使用推荐系统。
我所说的"推荐系统"是什么意思，它们为什么有用？
让我们看看根据 Alexa 排名的互联网上排名前 3 的网站：Google、YouTube 和 Facebook。
推荐系统构成了这些技术的基础。
谷歌：搜索结果
这就是为什么谷歌是当今最成功的科技公司的原因。
YouTube：视频仪表板
我敢肯定，当我有更重要的事情要做时，我不是唯一一个不小心在 YouTube 上花费*数小时的人！*他们是如何说服你这样做的？
这是正确的。推荐系统！
Facebook：如此强大以至于世界各国政府都担心新闻源对人们的影响太大！（又或者是担心失去自己的力量......嗯......）
惊人！
本课程包含大量技巧，可让推荐系统跨多个平台工作。
我们将研究流行的新闻提要算法，例如Reddit、Hacker News和Google PageRank。
我们将研究当今大量媒体公司正在使用的贝叶斯推荐技术。
但本课程不仅仅是关于新闻提要。
多年来，亚马逊、Netflix和Spotify等公司一直在使用推荐功能向客户推荐产品、电影和音乐。
这些算法带来了数十亿美元的额外收入。
所以我向你保证，你将在这门课程中学到的东西是非常真实的、非常适用的，并且会对你的业务产生巨大的影响。
对于那些喜欢深入研究理论以了解事物如何真正运作的人，您知道这是我的专长，并且在本课程中不会缺少。我们将介绍最先进的算法，如矩阵分解和深度学习（同时使用监督和非监督学习 -- 自动编码器和受限玻尔兹曼机），您将学习到一大堆技巧来改进基线结果。
作为奖励，我们还将了解如何在Spark中使用大数据执行矩阵分解。我们将使用Amazon EC2实例和Amazon Web Services (AWS)创建一个集群。大多数其他课程和教程都着眼于 MovieLens 100k 数据集这是微不足道的！我们的示例使用了 2000 万个 MovieLens。
无论您是在电子商务商店中销售产品，还是只是写博客 -- 您都可以使用这些技术在正确的时间向您的用户展示正确的推荐。
如果您是公司的员工，您可以使用这些技巧来打动您的经理并获得加薪！
我们课堂上见！
笔记：
本课程不是我的深度学习系列的"正式"部分。它包含强大的深度学习组件，但课程中有许多与深度学习完全无关的概念。
"如果你不能实现它，你就不会理解它"
-
或者正如伟大的物理学家理查德费曼所说："我无法创造的东西，我不明白"。
-
我的课程是您将学习如何从头开始实施机器学习算法的唯一课程
-
其他课程会教你如何将数据插入库中，但你真的需要 3 行代码的帮助吗？
-
在用 10 个数据集做同样的事情之后，你意识到你没有学到 10 件事。你学到了一件事，只是重复了同样的 3 行代码 10 次......
建议的先决条件：
-
对于前面的部分，只知道一些基本的算术
-
对于高级部分，了解微积分、线性代数和概率以更深入地理解
-
精通 Python 和 Numpy 堆栈（请参阅我的免费课程）
-
对于深度学习部分，了解使用 Keras 的基础知识
-
对于 RBM 部分，了解 Tensorflow
我应该按什么顺序上课？：
-
查看讲座"机器学习和 AI 先决条件路线图"（可在我的任何课程的常见问题解答中找到，包括免费的 Numpy 课程）
本课程适用于：
-
拥有或经营互联网业务的任何人
-
机器学习、深度学习、人工智能和数据科学专业的学生
-
机器学习、深度学习、人工智能和数据科学领域的专业人士