Kampanyanın bitmesine
Mezunlarımızın Çalıştığı Şirketler
Eğitim programlarımız lider şirketlerle kurduğumuz ortaklıklar ile güçlendirilmiş ve inovatif ekipler tarafından kullanılmaktadır.
Program hakkında ayrıntılı bilgi edinin
Kurs 7 Saat
Tavsiye Sistemleri
Tavsiye sistemleri Netflix, Facebook, Amazon, Spotify, Pinterest ve Instagram gibi teknoloji devlerinin başarılarında anahtar rolü oynuyor. Bu nedenle, veri bilimi dünyasında kritik bir yer tutan tavsiye sistemlerini kapsamlı şekilde ele alan bu modülde önemli bir yetkinlik kazandırmaktadır. Bu eğitimde tavsiye sistemlerinin teknik arka planını anlayacak ve Python ile tavsiye sistemi geliştirme seviyesine çıkacaksınız.
1
Association Rule Learning
Müşterilerin alışverişlerinde yer alan ürünler arasındaki birliktelik kurallarının nasıl oluşturulduğu hakkında bilgi edineceksiniz. Böylece; müşteri satın alma alışkanlıklarını tespit ederek, ürün önerilerinin nasıl yapıldığı hakkında fikir edinmiş olacaksınız.
Bölümü ayrıntılı incele
- Tavsiye Sistemleri
- Birliktelik Kural Öğrenimi
- Apriori Algoritması
- Apriori Nasıl Çalışır?
- Birliktelik Kuralı Temelli Tavsiye Sistemi
- Birliktelik Kuralı Öğrenimi
- Veri Ön İşleme
- Arl Veri Yapılarını Hazırlamak
- Birliktelik Kuralları Analizi
- Çalışmanın Scriptini Hazırlama
- Ürün Önerme Uygulaması
2
Content Based Recommendation
Beğenilen bir ürünün içeriğinin benzerliğinden yola çıkarak, yeni bir ürünün nasıl tavsiye edilebileceği hakkında bilgi edineceksiniz. Bunu yaparken TF-IDF (Term Frequency-Inverse Document Frequency) matrisinin kullanımı hakkında bilgi edineceksiniz.
Bölümü ayrıntılı incele
- İçerik Temelli Filtreleme
- Count Vector
- Metin Vektörleştirme
- İçerik Temelli Tavsiye Sistemleri
- TF-IDF Matrisinin Oluşturulması
- Cosine Sim Hesaplama
- Benzerliklerine Göre Önerilerin Yapılması
- Çalışmanın Scriptini Hazırlama
3
Item Based & User Based Collaborative Filtering
Kullanıcıların geçmiş beğenileri ya da puanlamalarını temel alarak, kullanıcı ve öğeler arasındaki benzerlikleri (user-based, item-based) tespit eden yöntem ile; daha önce önerilmemiş ürünlerin kullanıcıya nasıl önerildiğini öğrenme imkanı bulacaksınız.
Bölümü ayrıntılı incele
- İş Birlikçi Filtreleme
- Item-Based Tavsiye Sistemi
- Item-Based İş Birlikçi Filtreleme
- User Movie Df'in Oluşturulması
- Item-Based Film Önerilerinin Yapılması
- Çalışmanın Scriptini Hazırlama
- Kullanıcı Tabanlı İş Birlikçi Filtreleme
- Kullanıcı Tabanlı İş Birlikçi Filtreleme
- Veri Setini Hazırlama
- İzlenen Filmleri Getirme Uygulaması
- Aynı Filmleri İzleyen Diğer Kullanıcılar
- Benzerliklerin Belirlenmesi
- Skor Hesaplama
- Çalışmanın Fonksiyonlaştırılması
4
Model Based Matrix Factorization
Kullanıcının puanlamadığı ürünlere, aynı kullanıcının verebileceği puanı tahmin etmek üzerine kurulu bu yöntemde, Matrix Factorization yönteminin çalışma prensibi hakkında bilgi edineceksiniz.
Bölümü ayrıntılı incele
- Matris Çarpanlarına Ayırma
- Gradyan İniş
- Verinin Hazırlanması
- Modelleme
- Model Kurma
- Final Model ve Tahmin
2
Content Based Recommendation
Beğenilen bir ürünün içeriğinin benzerliğinden yola çıkarak, yeni bir ürünün nasıl tavsiye edilebileceği hakkında bilgi edineceksiniz. Bunu yaparken TF-IDF (Term Frequency-Inverse Document Frequency) matrisinin kullanımı hakkında bilgi edineceksiniz.
Bölümü ayrıntılı incele
- İçerik Temelli Filtreleme
- Count Vector
- Metin Vektörleştirme
- İçerik Temelli Tavsiye Sistemleri
- TF-IDF Matrisinin Oluşturulması
- Cosine Sim Hesaplama
- Benzerliklerine Göre Önerilerin Yapılması
- Çalışmanın Scriptini Hazırlama
4
Model Based Matrix Factorization
Kullanıcının puanlamadığı ürünlere, aynı kullanıcının verebileceği puanı tahmin etmek üzerine kurulu bu yöntemde, Matrix Factorization yönteminin çalışma prensibi hakkında bilgi edineceksiniz.
Bölümü ayrıntılı incele
- Matris Çarpanlarına Ayırma
- Gradyan İniş
- Verinin Hazırlanması
- Modelleme
- Model Kurma
- Final Model ve Tahmin
Yetkinlik Edin
Tavsiye Sistemleri Öğren
%60 indirim
Bugün Öğrenmeye Başla
1 yıl boyunca sınırsız erişim
Her yıl yalnızca 9.90$'a otamatik erişim yenileme
Yenileme diledigin zaman iptal edilebilir
Kupon Kodu: BF60
$
85
$
34
.00
/tek seferlik
- Tüm materyallere 1 yıl erişim
- Ders videoları & materyalleri
- Puanlanan quiz’ler
- Sertifika
Miuul, gerekli gördüğü durumlarda eğitim içeriklerinde, modüllerde ve yenileme ücretlerinde değişiklik yapma hakkını saklı tutar. 9.90$'lık yıllık yenileme ücreti şu an için özel bir fırsattır; ileride bu koşullarda revizyon yapılabilir.
Çeşitli ölçeklerdeki kurumlar ekipleri için Miuul'u kullanıyor.
Çalışanlarınıza özel teklif almak için Bize yazın
Tavsiye Sistemleri öğrenmeye bugün başla!
Kayıt Ol