NT$2,000
最新討論
課程資訊
課程時長 3 小時 28 分
課程共 7 單元 30 小節
17 個可下載的 學習資源
提供完訓證書
提供制定 學習計畫建議學習 4 週 (每週 1 小時)適合對象
2. 企業想導入應用推薦系統的軟體工程師或專案經理 。
3. 對推薦系統有興趣，並想學習如何實作推薦系統者。
4. 想了解推薦系統如何成功應用在自己產業者。
5. 欲轉職成為人工智慧軟體開發工程師者。
你可以學到
你是否也發現？
▹ 在逛各家網購平台時，會看到"你可能會喜歡"，或"買這商品的人也買了..." 的商品推薦。
▹ Spotify、MixerBox、KKBOX等線上音樂平台，會推薦你專屬的音樂合輯。
▹ Google Play、App Store會根據不同主題，推薦你有趣或實用的apps。
▹ Netflix、Youtube會幫你篩選適合於你的影片、電影或影集。
這些「推薦」都怎麼來的？又怎會這麼剛好符合你的需要？
就讓我們一探究竟吧！
1. 清楚了解三種不同推薦系統的原理與概念，並以電影資料集來實作。
▹ 基於內容推薦
▹ 協同過濾
▹ 矩陣分解
2. 進階學習應用AI深度學習來建造推薦系統模型。
▹ 神經協同過濾 (Neural Collaborative Filtering)
▹ 情境感知推薦系統(Context-Aware Recommender System)
3. 介紹業界大廠是如何打造智能推薦系統。
▹ Youtube
▹ 華為
▹ 阿里巴巴
4. 綜合評量(附帶程式碼)。
讓你舉一反三不只會推薦電影，更能套用於自己的電商平台，推薦用戶最適合的商品，大幅提升用戶黏著度及精準行銷的能力。
課程介紹
1. 學會如何建立及應用三大類型演算法的推薦系統 – 基於內容推薦、協同過濾、矩陣分解。
2. 分析推薦系統之間的差異，並評估其好壞。
3. 了解最新AI深度學習推薦系統(情境感知)技術。
4. 探討華為企業如何運用推薦系統，來幫助提升預測商品的點擊率。
5. 實際運用電影及電商資料集來做出推薦系統。
課程試閱
1-1：推薦系統課程簡介 
2-1：基於內容推薦的基礎原理和概念
3-1：協同過濾的基礎原理和概念 
▹ 3.5小時課程影片｜課程包含推薦系統基本知識 、推薦系統演算法、實作推薦系統。
▹ 7個學習單元22小節｜從基礎觀念到專案實作、手把手教學、加倍學習成效。
▹ 7個評量測驗｜確認學習成效。
▹ 1份實作解說｜課後電商資料集(retail rocket)綜合評量。
▹ 資料來源｜Datebase 200M 提供下載放在github上。
講師 Steeve Huang
現任 Rosetta.ai 技術長
獲獎經歷
2019
▹ RecSys Challenge 2019：第四名。>>相關報導
2018
▹ 法國巴黎Atos IT挑戰賽世界二十強。
▹ Kaggle：一金三銀三銅， 並取得「Kaggle Competitions Master」頭銜。
2017
▹ (神州控股) 數位中國智能城市科技競賽冠軍。
▹ Microsoft 微軟創夢杯 （Imagine Cup）香港區總決賽亞軍。
2016
▹ Microsoft 微軟人工智能盃總決賽季軍。
▹ IBM公益數據黑客松總決賽亞軍。
*RecSys Challenge為國際推薦競賽暨論壇，2019年為第13屆由Trivago主辦，全球近1600組隊伍報名參加。
* Kaggle為數據建模和數據分析競賽平台，2017年3月8日谷歌官方博客宣布收購Kaggle。
學習前基本能力
1. 基礎程式設計原理，例如函數和變數。
2. Python以及Numpy、Pandas基礎能力。
3. 機器學習及深度學習基本概念。
4. Keras框架經驗。
▹ 基礎課程推薦
還不太會寫Python？
建議先學凡剛老師的第一堂課【地表最好懂的Python程式設計】
▲其他進階課程推薦
深度學習跟機器學習一起學，更能了解AI全貌，現在就去看看吧！
| 【機器學習實戰】 限時優惠$1808，至1/21止 | 【深度學習實戰】 限時優惠$2000，至1/21止 |
 |  |
學習前準備
▹電腦須為 64 位元，記憶體在 8G 以上為佳。
常見問題
Q: 請問在哪裡上課？上課時間？
此課程是『線上課程』喔！所以課程上線後，隨時隨地都可以透過手機、平板、與電腦在 TibaMe上看課程影片，沒有時間和地點的問題！
Q: 課程可以看幾次？
不限次數，沒有期限！TibaMe的線上課程都可以一直看一直看一直看！
Q: 可以問老師問題嗎？
當然！如您在購課前有課程內容相關問題，可以先至「課前提問」提出問題；上課後，對老師影片內容有任何不清楚，可以至「課程討論區」與老師同學一同切磋討論喔！
Q: 還有其他問題？
到 FAQ 看看更多問題解答
課程資訊
課程時長 3 小時 28 分課程共 7 單元 30 小節17 個可下載的 學習資源提供完訓證書提供制定 學習計畫建議學習 4 週 (每週 1 小時)關於講師
Steeve Huang
美國南加州大學 資工碩士
1. 率領公司得到全球最大推薦系統競賽RecSys Challenge 2019第四名
2. 國際最大資料科學競賽平台Kaggle拿下一金三銀三銅，以及「Kaggle Competitions Master」頭銜
3. 2018 法國巴黎Atos IT挑戰賽世界二十強
4. 2017 (神州控股) 數位中國智能城市科技競賽冠軍、Microsoft 微軟創夢杯 （Imagine Cup）香港區總決賽亞軍
5. 2016 Microsoft 微軟人工智能盃總決賽季軍、IBM公益數據黑客松總決賽亞軍
課程簡述
如何評估推薦系統
實作 - 建置開發環境 (Python、Anaconda 安裝)
單元一 QUIZ
基於內容推薦的基礎原理和概念
TF-IDF 文字挖掘技術與基於內容推薦的應用
實作「相似電影推薦」
單元二 QUIZ
協同過濾的基礎原理和概念
基於物品的協同過濾
實作「協同過濾」
冷啟動問題的解決方案
單元三 QUIZ
矩陣分解的基礎原理和概念
奇異值分解
實作「奇異值分解」
綜合推薦系統
實作「LightFM」
單元四 QUIZ
神經協同過濾 (Neural Collaborative Filtering)
實作「神經協同過濾」 - 運用電影資料庫(TMDB)進行相似影片推薦
情境感知推薦系統 (Context-aware Recommender System)與基於 Session 的推薦系統 (Session-based Recommender System)
單元五 QUIZ
Youtube 怎麼做 -- Deep Neural Networks for YouTube Recommendations
華為怎麼做 -- DeepFM: A Factorization-Machine based Neural Network for CTR Prediction
阿里巴巴怎麼做 -- Deep Interest Network for Click-Through Rate Prediction
單元六 QUIZ
綜合評量 - 電商資料集(retail rocket)
綜合評量一
綜合評量二
學習附件
購買此課程後，才能使用留言功能
目前尚無任何討論主題
成為第一個發問的人！在問答中找到學習的捷徑。關於講師
Steeve Huang
美國南加州大學 資工碩士
1. 率領公司得到全球最大推薦系統競賽RecSys Challenge 2019第四名
2. 國際最大資料科學競賽平台Kaggle拿下一金三銀三銅，以及「Kaggle Competitions Master」頭銜
3. 2018 法國巴黎Atos IT挑戰賽世界二十強
4. 2017 (神州控股) 數位中國智能城市科技競賽冠軍、Microsoft 微軟創夢杯 （Imagine Cup）香港區總決賽亞軍
5. 2016 Microsoft 微軟人工智能盃總決賽季軍、IBM公益數據黑客松總決賽亞軍
