ये कोर्स करने के बाद, मैं पेशेवर विज़ुअलाइज़ेशन और डैशबोर्ड बनाने में आत्मविश्वास महसूस करता हूँ
Shoebur Rahmanप्रोक्योरमेंट विशेषज्ञ, Giz Bangladesh
कोर्स विवरण
यह कोर्स आपको PySpark में Alternating Least Squares का उपयोग करके recommendation engines बनाना सिखाएगा। लोकप्रिय MovieLens डेटासेट और Million Songs डेटासेट के साथ, यह कोर्स आपको ALS एल्गोरिदम की समझ से लेकर अलग-अलग तरह के कस्टमर डेटा पर ALS मॉडलों को train, test और implement करने के कोड तक, कदम-दर-कदम ले जाएगा।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
सिफारिशें हर जगह हैं
यह अध्याय आपको दिखाएगा कि recommendation engines कितने शक्तिशाली हो सकते हैं, और collaborative-filtering engines तथा content-based engines के बीच महत्वपूर्ण अंतर स्पष्ट करेगा, साथ ही उन विभिन्न प्रकार के implicit और explicit डेटा के बारे में भी बताएगा जिनका उपयोग recommendation engines कर सकते हैं। आप एक बहुत प्रभावशाली तरीका भी सीखेंगे जिससे आप छिपी हुई विशेषताएँ (latent features) खोज सकते हैं जिन्हें आप अपने customer datasets में मौजूद होने के बारे में शायद जानते भी न हों।
- रिकमेंडेशन इंजन बनाना क्यों सीखें?50 XP
- Recommendation engine की ताकत देखें100 XP
- रिकमेंडेशन इंजनों की ताकत50 XP
- रिकमेंडेशन इंजन के प्रकार और डेटा टाइप्स50 XP
- Collaborative बनाम content-based filtering50 XP
- Collaborative बनाम Content-based Filtering भाग II50 XP
- Implicit बनाम explicit डेटा100 XP
- Ratings के डेटा टाइप्स100 XP
- Recommendation Engines के उपयोग50 XP
- रिकमेंडेशन इंजनों के वैकल्पिक उपयोग।50 XP
- लेटन्ट फीचर्स की समझ की पुष्टि करें100 XP
2
ALS कैसे काम करता है?
इस अध्याय में आप matrix multiplication और matrix factorization की बुनियादी अवधारणाओं की समीक्षा करेंगे, और गहराई से समझेंगे कि Alternating Least Squares एल्गोरिदम कैसे काम करता है तथा सर्वोत्तम सिफारिशें लौटाने के लिए यह किन arguments और hyperparameters का उपयोग करता है। आप Spark में ALS के लिए अपने डेटा को सही तरीके से तैयार करने की महत्वपूर्ण तकनीकें भी सीखेंगे।
3
फिल्मों की सिफारिश करना
इस अध्याय में आपका परिचय MovieLens डेटासेट से कराया जाएगा। आप देखेंगे कि इसे ALS के लिए कैसे परखा जाए, इस पर एक पूर्ण cross-validated ALS मॉडल कैसे बनाया जाए, और इसके प्रदर्शन का मूल्यांकन कैसे किया जाए। यह Pyspark का उपयोग करके आप जो भी आगे ALS मॉडल बनाएँगे, उनकी बुनियाद होगा।
4
अगर आपके पास customer ratings न हों तो?
अधिकांश वास्तविक स्थितियों में, आपके पास ALS मॉडल बनाने के लिए "perfect" customer डेटा उपलब्ध नहीं होगा। यह अध्याय आपको सिखाएगा कि अपने customer behavior डेटा का उपयोग करके customer ratings को कैसे "infer" किया जाए और उन inferred ratings से ALS recommendation engine कैसे बनाया जाए। Million Songs Dataset और MovieLens डेटासेट के एक अन्य संस्करण का उपयोग करते हुए, यह अध्याय आपको दिखाएगा कि उपलब्ध डेटा से ALS का उपयोग करके recommendation engine कैसे बनाएँ और उसके प्रदर्शन का मूल्यांकन कैसे करें।
PySpark के साथ Recommendation Engines बनाना
कोर्स
पूर्ण
