or
Bài tập này là một phần của khóa học
Recommendation engine được thiết kế để giải quyết những vấn đề gì và loại dữ liệu nào phù hợp nhất? Xác định những gợi ý hữu ích có thể tạo ra ngay cả khi dữ liệu hạn chế, và học cách tự xây dựng gợi ý của riêng bạn.
Khám phá cách sử dụng thuộc tính của vật phẩm để đưa ra gợi ý. Tạo các so sánh giá trị giữa vật phẩm bằng cả dữ liệu phân loại và văn bản. Tạo hồ sơ để gợi ý vật phẩm mới cho người dùng dựa trên sở thích trước đây của họ.
Khám phá vật phẩm mới để gợi ý cho người dùng bằng cách tìm những người có gu tương tự. Học cách tạo gợi ý dựa trên người dùng và dựa trên vật phẩm—và ngữ cảnh phù hợp để dùng từng cách. Sử dụng mô hình k-nearest neighbors để tận dụng “trí tuệ đám đông” và dự đoán cách một người có thể chấm điểm một vật phẩm họ chưa từng thấy.
Hiểu cách dữ liệu thưa trong thực tế có thể ảnh hưởng đến gợi ý của bạn. Tận dụng sức mạnh của matrix factorization để xử lý sự thưa thớt này. Khám phá giá trị của các đặc trưng ẩn và dùng chúng để hiểu dữ liệu tốt hơn. Cuối cùng, kiểm chứng các mô hình bạn đã học bằng cách tìm hiểu cách đánh giá từng phương pháp.
Bài tập hiện tại