跟著一位在這個領域的 Amazon 先鋒學習如何建立推薦系統，通過深度學習、神經網路和機器學習建議，幫助人們發現新的產品和內容
Frank Kane 在亞馬遜工作了九年多，在那裡他管理並領導了許多 Amazon 個性化產品推薦技術的開發。
從這 9.5 小時的課程，你會學到
1. 瞭解並應用基於使用者和基於項目的協同過濾向用戶推薦項目
2. 用大規模地深度學習來建立推薦
3. 利用神經網路和受限 Boltzmann 機器( RBM’s ) 建構推薦系統
4. 使用遞歸神經網路( recurrent neural networks )和門閘遞迴單元( Gated Recurrent Units，GRU )製作基於會話( session-based )的推薦
5. 建立一個用 Python 測試和評估推薦演演算法的框架
應用正確的度量來評斷推薦系統的成功度
6. 使用 SVD 和 SVD++ 等矩陣分解方法( matrix factorization methods )建構推薦系統
7. 將 Netflix 和 YouTube 的實戰學習應用到你自己的推薦專案中
8. 將許多推薦演算法結合在混合和整合方法中
9. 使用 Apache Spark 在叢集上計算大規模的推薦
10. 使用 K-Nearest-Neighbors 向用戶推薦項目
11. 用基於內容的推薦解決”冷啟動”問題( 對新用戶一無所知，沒有數據基礎，就會有 cold start 的問題 )
12. 瞭解大規模推薦系統共同問題的解決方案
https://softnshare.com/…/building-recommender-systems-with…/
Search