Python中的推荐系统与深度学习
Recommender Systems and Deep Learning in Python
📚🤖 推荐系统与Python深度学习：学习如何将机器学习应用于大数据，并了解推荐系统的构建方法。本书提供详细的Python示例，旨在帮助读者了解深度学习技术！
课程内容
你会学到什么？
在本课程中，您将学习简单且先进的算法来为您的用户提供准确的建议。使用 AWS EC2 集群和 Spark 进行大数据矩阵分解。在Numpy中进行矩阵分解或SVD，以及使用Keras进行矩阵分解。您还将学习Keras中的深度神经网络、残差网络和自动编码器，以及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，只需要了解一些基本的算术知识。对于高级部分，需要了解微积分、线性代数和概率等方面的知识以更深入地理解。需要精通 Python 和 Numpy 堆栈（请参阅我的免费课程）。对于深度学习部分，需要了解使用 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在某种程度上使用推荐系统。推荐系统是什么意思，它们为什么有用呢？让我们来看看根据 Alexa 排名在互联网上排名前 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，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呢？这是因为推荐系统的存在！
- 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，可让推荐系统跨越多个平台工作。 我们将研究流行的新闻概要算法，例如 Reddit、Hacker News 和 Google PageRank。
标签
#推荐系统 #矩阵分解 #Keras #Numpy #Tensorflow #深度学习 #大数据 #Spark #算法 #线性代数 #微积分 #概率 #Alexa #Google #YouTube #Facebook #Reddit #HackerNews #GooglePageRank