Рекомендательные системы и Глубокое обучение на Python

21 участник

О чём курс

Вам нужен точный алгоритм рекомендаций для пользователей — здесь разбирают путь от простых моделей на чистом Numpy до сложных нейросетей в Keras и распределенных вычислений на Spark. Вы научитесь строить системы, которые предсказывают предпочтения, используя матричную факторизацию, глубокие нейронные сети, остаточные сети (ResNet), автоэнкодеры и ограниченные машины Больцмана. Особое внимание уделено работе с большими данными: показано, как запускать матричную факторизацию на кластере AWS EC2 с использованием Spark. Материал подойдет тем, кто уже знает основы Python, линейной алгебры и теории вероятностей, и хочет углубиться в архитектуру рекомендательных движков для DS-задач.

Программа обучения

  • Введение в рекомендательные системы
  • Матричная факторизация на чистом Numpy
  • SVD и основы машинного обучения для рекомендаций
  • Матричная факторизация в Keras
  • Работа с Большими данными: Spark и кластер AWS EC2
  • Глубокое обучение в рекомендательных системах
  • Автоэнкодеры и их применение в Keras
  • Остаточные нейронные сети (ResNet) для ранжирования
  • Ограниченные машины Больцмана (RBM) в Tensorflow
  • Практическая реализация и оптимизация моделей
Складчина создана 6 января 2019 г. · описание обновлено 23 марта 2026 г.

Другие материалы автора 4

LP Lazy Programmer Все материалы
136 ₽ 700 ₽