Пошаговое руководство по созданию совместной фильтрации и рекомендации на основе правил ассоциации с использованием Fastai и Python

Система рекомендаций — это многообещающий подход к повышению продаж на новый уровень за счет предложения правильных продуктов нужным клиентам.

Этот курс начинается с демонстрации основных решений рекомендательных систем в отрасли и гипотез, лежащих в основе основных решений. Затем вы узнаете, как создавать модели совместной фильтрации с помощью fast.ai и проверять обученную модель на тестовых наборах данных.

По мере продвижения вы будете визуализировать скрытые функции, интерпретировать веса и смещения и проверять, какие похожие пользователи/элементы с точки зрения модели. Кроме того, вы создадите гибридную рекомендательную систему с правилами популярности и ассоциации и будете оценивать рекомендации по выбранным критериям.

К концу этого курса вы сможете объяснить теории и предположения рекомендательных систем и создать свой собственный рекомендатель на других наборах данных с использованием Python.

Контур

Схема курса выглядит следующим образом:

  1. Зачем бизнесу нужны рекомендательные системы
  2. Дорожная карта курса
  3. Гипотезы, лежащие в основе основных решений рекомендательных систем
  4. Практическая совместная система рекомендаций по фильтрации с Fastai в наборе данных Instacart Grocery
  • Краткий обзор набора данных о продуктовых магазинах
  • Что такое коллаборативная фильтрация в деталях
  • Как построить и обучить модель совместной фильтрации с помощью Fastai
  • Как визуализировать скрытые функции? Имеют ли популярные товары более высокую предвзятость? Что такое похожие пользователи с точки зрения модели?

5. Пошаговое руководство по созданию гибридной системы рекомендаций с правилом популярности и ассоциации

  • Что такое определение популярности и что такое поддержка
  • Как кодировать матрицу порядка элементов
  • Что такое уверенность и подъем
  • Что такое правило ассоциации и как применять априорный алгоритм
  • Как оценивать результаты по выбранным критериям

6. Заключение в конце курса

Что вы узнаете

  • Понимать гипотезы, лежащие в основе основных решений рекомендательных систем.
  • Создавайте и обучайте модели совместной фильтрации с помощью fast.ai
  • Получить и визуализировать скрытые функции
  • Сравните и интерпретируйте веса и смещения
  • Расчет поддержки, уверенности и роста
  • Кодировать матрицу заказа товаров
  • Применение правила ассоциации и априорного алгоритма
  • Оценить результаты по выбранным критериям
  • Отработайте обученную модель на больших наборах тестовых данных.

Для кого этот курс

Этот курс предназначен для специалистов по данным всех уровней, инженеров по машинному обучению и практиков глубокого обучения, которые хотят изучать и создавать рекомендательные системы. Любой, у кого есть начальные знания языка программирования Python и машинного обучения, сможет извлечь максимальную пользу из курса.

Предпосылки

Понимание основных концепций машинного обучения, статистики и Python.

Запишитесь на полный курс 🦞

Система рекомендаций с машинным обучением и статистикой