سپنتا کتاب اکسپرس
کتاب فراتر از فیلترینگ مشارکتی: تحول سیستم‌های توصیه‌گر با LLMs

کتاب فراتر از فیلترینگ مشارکتی: تحول سیستم‌های توصیه‌گر با LLMs

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره فراتر از فیلترینگ مشارکتی: تحول سیستم‌های توصیه‌گر با LLMs

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: LLMs در سیستم‌های توصیه‌گر (Recommender Systems)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 2. مبانی شبکه‌های عصبی و یادگیری عمیق
  • 3. معماری‌های پیشرفته شبکه‌های عصبی
  • 4. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 5. پردازش زبان طبیعی (NLP) برای LLMs
  • 6. مهندسی پرامپت برای LLMs
  • 7. تنظیم دقیق (Fine-tuning) LLMs
  • 8. معماری‌های ترنسفورمر در LLMs
  • 9. مکانیسم توجه (Attention Mechanism)
  • 10. مدل‌های زبانی مولد
  • 11. تولید متن با LLMs
  • 12. خلاصه‌سازی متن با LLMs
  • 13. ترجمه ماشینی با LLMs
  • 14. درک مطلب با LLMs
  • 15. تحلیل احساسات با LLMs
  • 16. طبقه‌بندی متن با LLMs
  • 17. مدل‌های زبانی تنسور
  • 18. مدل‌های زبانی مبتنی بر گراف
  • 19. یادگیری تقویتی برای LLMs
  • 20. آموزش خودنظارتی (Self-supervised Learning)
  • 21. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
  • 22. یادگیری انتقالی (Transfer Learning)
  • 23. مفاهیم کلیدی در سیستم‌های توصیه‌گر
  • 24. فیلترینگ مشارکتی (Collaborative Filtering)
  • 25. فیلترینگ مبتنی بر محتوا (Content-based Filtering)
  • 26. سیستم‌های توصیه‌گر ترکیبی (Hybrid Recommender Systems)
  • 27. ارزیابی سیستم‌های توصیه‌گر
  • 28. معیارهای دقت و پوشش توصیه‌ها
  • 29. معیارهای تنوع و تازگی توصیه‌ها
  • 30. معیارهای رضایت کاربر
  • 31. چالش‌های سیستم‌های توصیه‌گر
  • 32. مسئله شروع سرد (Cold-start Problem)
  • 33. ابهام و عدم قطعیت در توصیه‌ها
  • 34. حریم خصوصی کاربر و داده‌ها
  • 35. مقیاس‌پذیری سیستم‌های توصیه‌گر
  • 36. فیلترینگ مشارکتی مبتنی بر کاربر
  • 37. فیلترینگ مشارکتی مبتنی بر آیتم
  • 38. کاهش ابعاد در فیلترینگ مشارکتی
  • 39. تجزیه ماتریس (Matrix Factorization)
  • 40. فاکتوربندی ماتریس غیرمنفی (NMF)
  • 41. روش‌های مبتنی بر مدل (Model-based Methods)
  • 42. روش‌های مبتنی بر مجاورت (Neighborhood-based Methods)
  • 43. فیلترینگ مبتنی بر محتوا با استفاده از ویژگی‌های آیتم
  • 44. استخراج ویژگی از متن محتوا
  • 45. استخراج ویژگی از تصاویر محتوا
  • 46. استخراج ویژگی از داده‌های ساختاریافته
  • 47. یادگیری نمایش (Representation Learning) برای آیتم‌ها
  • 48. شبکه‌های عصبی برای فیلترینگ مبتنی بر محتوا
  • 49. شبکه‌های عصبی کانولوشنی (CNNs) برای محتوا
  • 50. شبکه‌های عصبی بازگشتی (RNNs) برای محتوا
  • 51. مدل‌های نمایش متنی (Text Embedding Models)
  • 52. کاربرد LLMs در فیلترینگ مشارکتی
  • 53. بهبود فیلترینگ مشارکتی با درک عمیق کاربر
  • 54. بهبود فیلترینگ مشارکتی با درک عمیق آیتم
  • 55. توصیه‌گرهای مبتنی بر دانش (Knowledge-based Recommenders)
  • 56. ادغام دانش خارجی در توصیه‌ها
  • 57. کاربرد LLMs در فیلترینگ مبتنی بر محتوا
  • 58. تولید توضیحات پویا برای آیتم‌ها
  • 59. تولید توصیه‌های متنی شخصی‌سازی شده
  • 60. توصیه‌گرهای مبتنی بر توالی (Sequential Recommenders)
  • 61. مدل‌سازی رفتار کاربر در طول زمان
  • 62. استفاده از LLMs برای مدل‌سازی توالی
  • 63. توصیه‌گرهای گراف-دانشی (Knowledge Graph Recommenders)
  • 64. ساخت و استفاده از گراف‌های دانشی برای توصیه‌ها
  • 65. کاربرد LLMs در ساخت و غنی‌سازی گراف‌های دانشی
  • 66. طراحی سیستم‌های توصیه‌گر مقیاس‌پذیر با LLMs
  • 67. مدیریت داده‌های بزرگ برای توصیه‌گرها
  • 68. استقرار توصیه‌گرهای مبتنی بر LLM
  • 69. بهینه‌سازی و تنظیم پارامترهای LLM برای توصیه‌ها
  • 70. تفسیرپذیری در توصیه‌گرهای مبتنی بر LLM
  • 71. اخلاق در سیستم‌های توصیه‌گر
  • 72. جلوگیری از سوگیری (Bias) در توصیه‌ها
  • 73. شفافیت در فرآیند توصیه‌گر
  • 74. مطالعات موردی از کاربرد LLMs در سیستم‌های توصیه‌گر
  • 75. صنعت رسانه و سرگرمی
  • 76. تجارت الکترونیک و خرده‌فروشی
  • 77. پلتفرم‌های شبکه‌های اجتماعی
  • 78. سیستم‌های توصیه‌گر در حوزه سلامت
  • 79. سیستم‌های توصیه‌گر در حوزه آموزش
  • 80. آینده سیستم‌های توصیه‌گر با LLMs
  • 81. توصیه‌گرهای چندوجهی (Multimodal Recommenders)
  • 82. توصیه‌گرهای تعاملی (Interactive Recommenders)
  • 83. توصیه‌گرهای شخصی‌سازی شده در لحظه
  • 84. مدل‌های زبانی بزرگ و هوش مصنوعی مولد در توصیه‌گرها
  • 85. پروژه‌های عملی و پیاده‌سازی سیستم‌های توصیه‌گر
  • 86. طراحی معماری سیستم توصیه‌گر جامع
  • 87. پیاده‌سازی مدل‌های LLM برای توصیه‌گرها
  • 88. ارزیابی و بهبود عملکرد سیستم
  • 89. ملاحظات امنیتی و حریم خصوصی در سیستم‌های توصیه‌گر
  • 90. نکات پایانی و جمع‌بندی مباحث

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.