欢迎购买《Python深度学习精准推荐系统算法和实现视频教程》课程，这是一门关于最深入讲解基于深度学习、机器学习、数据科学和人工智能技术的精准推荐系统的课程。
最后更新 10/2022
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：4.01 GB | 时长：12h 31m
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
课程介绍
信不信由你，今天几乎所有 的互联网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……）
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Feed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Feed。
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 （利用 监督 和非 监督学习——自动编码器和受限玻尔兹曼机），您将学到一大堆改进基线结果的技巧。
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，还是只是撰写博客，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！
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
- 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