Создание системы машинного обучения #3: Разработка системы рекомендаций фильмов на Python | Косин... скачать в хорошем качестве

Создание системы машинного обучения #3: Разработка системы рекомендаций фильмов на Python | Косин...

📝В этом уроке мы разработаем систему рекомендаций фильмов. В ходе урока мы будем использовать метод контентной фильтрации. Контентная фильтрация анализирует просмотренные пользователем фильмы, находит похожие и рекомендует их. 💻 Полный блокнот и соответствующий набор данных находятся в репозитории Github: https://github.com/Lubula/Movies-Data... В какой-то момент вы наверняка задавались вопросом, откуда берутся все рекомендации, которые нам дают Netflix, Amazon, Google. Мы часто оцениваем товары в интернете, тем самым делясь своими предпочтениями и данными. Эти данные используются системами рекомендаций для генерации рекомендаций. В этом уроке мы разберем основы системы рекомендаций, а также создадим свою собственную. Мы будем создавать систему рекомендаций на основе контента или товаров, используя Python и Scikit-learn. Мы рассмотрим такие понятия, как косинусное сходство, расстояние и способы их использования. Целевая аудитория: Вам интересно машинное обучение и наука о данных Вы любите создавать что-то новое и учиться, работая над проектами Вы ищете работу в области науки о данных / анализа данных #системырекомендаций #машинноеобучение #python #наукаоданных #искусственныйинтеллект #глубокоеобучение #ИИ #технологии Темы, затронутые в этом видео: 0:00 - Введение в систему рекомендаций 2:02 - Постановка задачи и создание алгоритма рекомендаций фильмов 6:33 - Импорт данных и библиотек 10:33 - EDA (разработка исходных данных) 16:00 - Предварительная обработка и очистка данных 30:49 - Кодирование текста в матрицу с помощью векторизатора подсчета и построение модели 57:03 - Результаты модели