”“”

機器學習，將建立推薦系統

為什麼選擇機器學習，而我要建立推薦系統？

如果您有興趣學習如何使用AI構建機器學習推薦系統，那麼本課程適合您。由領先的教練弗蘭克·凱恩（Frank Kane）教授，本課程將教您如何創建推薦引擎，基於內容的過濾，協作過濾，TFRS和Amazon使用Python來創建建議引擎。

您要學習什麼

在本課程中，您將學習如何從亞馬遜工程師那裡構建推薦系統。該課程的重點是實用和實用培訓，這與實際世界情景密切相關。您將開發自己的框架並結合各種建議算法。您還將探索現代技術，包括在弗蘭克在該行業的豐富經驗的幫助下，使用矩陣分解和人工神經網絡進行深入學習。

但是，推薦系統的構建可能很複雜。如果您認為只能通過學習代碼來學習，請再考慮一下。本課程將教授何時及哪種算法，而不是為建築推薦系統提供精確的配方。儘管假定您已經知道如何在Python中編程，但是對於那些新的人來說，包括python課程的介紹性Python課程。此外，還簡要介紹了人工智能領域的初學者的深度學習。

該課程涵蓋了廣泛的主題，包括使用項目屬性，基於鄰里的，基於項目的，基於模型的協作過濾的基於內容的過濾，基於模型的方法，包括矩陣和SVD因素，應用程序的應用，應用程序，應用深度學習，IA和人工神經網絡推薦系統，使用諸如Tensorflow（Tensorflow（TFRS）和Amazon的最新框架，使用重複的神經網絡，Apache Spark Learning Sizing size size size size size size size size size size and Amazon dsstne學習和機器在AWS Sagemaker for Aws Sagemaker for Aws Sagemaker，基於會話的建議，基於會話的建議大型數據集，推薦系統中的真實世界問題和解決方案，YouTube和Netflix的案例研究，混合動力的構建和設置建議系統以及對現場切割- 邊緣的開發。

弗蘭克·凱恩（Frank Kane）是全球擁有50萬名學生的領先教練之一，他帶來了亞馬遜工程師的經驗，以教授如何構建機器學習推薦系統。在亞馬遜的9年中，弗蘭克（Frank）管理並開發了亞馬遜的個性化產品推薦技術。該技術為Netflix，YouTube和Amazon等網站提供了自動建議，並根據其獨特的興趣向每個人展示了最相關的產品或內容。了解這項技術是技術雇主高度重視的，使您成為他們的寶貴資產。

為了幫助您更好地了解課程，包括準確的韓國字幕。請隨時在問題和答案部分中留下與課程有關的問題或疑慮，但請確保您用英語編寫它們，以便我們可以提供答案。我們希望在課程中見到他！

-坦率