دانلود ها ی دارای تگ: "recommender systems"
2 مورد برای عبارت مورد نظر پیدا شد.
دانلود Building LLM-Powered Recommendation Systems آموزش ساخت سیستمهای توصیهگر
- 371
در دنیای امروز که حجم دادهها بهطور توامان رو به افزایش است، روشهای سنتی دیگر پاسخگوی نیازهای پیچیده کاربران نیستند. این دوره آموزشی با هدف عبور از الگوریتمهای کلاسیک طراحی شده است تا به متخصصان نشان دهد چگونه میتوانند سیستمهای توصیهگر موجود را با استفاده از قدرت هوش مصنوعی ارتقا بخشند. مدرس دوره، ریشابا میسرا، با تمرکز بر جنبههای فنی و عملی، مفاهیم کلیدی همچون تولید تعبیهها (Embeddings)، بازرتبهبندی معنایی (Semantic Reranking) و مقابله با چالش «شروع سرد» (Cold Start) را تشریح میکند.
بخش مهمی از این آموزش به معماریهای بومی هوش مصنوعی مولد (GenAI-native) اختصاص یافته است. این معماریها امکان ایجاد تجربههای پویا و تعاملی مانند جستجوی گفتگومحور و توصیههای چندرسانهای (Multimodal) را فراهم میکنند. شرکتکنندگان در این مسیر یاد میگیرند که چگونه از ساختارهای ایستا فاصله گرفته و به سمت سیستمهایی حرکت کنند که قادر به درک عمیقتری از نیات کاربران هستند.
در دوره Building LLM-Powered Recommendation Systems با مفاهیم و زیرساختهای نوین طراحی سیستمهای پیشنهاددهنده مبتنی بر GenAI آشنا خواهید شد.
دانلود Packt Building Recommender Systems with Machine Learning and AI آموزش ساخت سیستم های توصیه گر با یادگیری ماشین و هوش مصنوعی
- 8,066
سامانه توصیهگر (Recommender System) یا سامانه پیشنهادگر (واژه سیستم یا سامانه گاهی با پلتفرم یا موتور جایگزین میشود)، با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسبترین اقلام (داده، اطلاعات، کالا و...)مینماید. این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شدهاست و به کاربر خود کمک میکند تا در میان حجم عظیم اطلاعات سریعتر به هدف خود نزدیک شوند. حجم فراوان و روبه رشد اطلاعات بر روی وب و اینترنت، فرایند تصمیمگیری و انتخاب اطلاعات، داده و یا کالاهای مورد نیاز را، برای بسیاری از کاربران وب دشوار کردهاست. این موضوع، خود انگیزهای شد تا محققین را وادار به پیداکردن راهحلی برای رویارویی با این مشکل اساسی عصر جدید که با عنوان سرریز دادهها شناخته میشود کند. برای رویارویی با این مسئله تاکنون دو رویکرد مطرح شدهاند، اولین رویکردی که به کار گرفته شد استفاده از دو مفهوم بازیابی اطلاعات و تصفیهسازی اطلاعات بود. عمده محدودیتی که این دو مفهوم در ارائه پیشنهادات دارند، این است که برخلاف توصیهگرهای انسانی (مثل دوستان، اعضای خانواده و ...)، این دو روش قادر به تشخیص و تفکیک اقلام با کیفیت و بی کیفیت، در ارائه پیشنهاد برای یک موضوع یا کالا، نیستند. مشکل مذکور، موجب شد تا رویکرد دومی تحت عنوان سیستم توصیهگر پدید آید. این سیستمهای جدید، مشکل سیستمهای موجود در رویکرد اولیه را حل کردهاند.
در دوره آموزشی Packt Building Recommender Systems with Machine Learning and AI با ساخت سیستم های توصیه گر با یادگیری ماشین و هوش مصنوعی آشنا می شوید.
در دوره آموزشی Packt Building Recommender Systems with Machine Learning and AI با ساخت سیستم های توصیه گر با یادگیری ماشین و هوش مصنوعی آشنا می شوید.