Tavsiye Sistemleri

Veri bilimi dünyasında kritik bir yer tutan tavsiye sistemlerinin teknik arka planını anlayıp; Python ile tavsiye sistemi geliştirme seviyesine çıkacaksınız.

Kayıt Ol

Mezunlarımızın Çalıştığı Şirketler

Eğitim programlarımız lider şirketlerle kurduğumuz ortaklıklar ile güçlendirilmiş ve inovatif ekipler tarafından kullanılmaktadır.

Program hakkında ayrıntılı bilgi edinin

Kurs 7 Saat

Tavsiye Sistemleri

Tavsiye sistemleri Netflix, Facebook, Amazon, Spotify, Pinterest ve Instagram gibi teknoloji devlerinin başarılarında anahtar rolü oynuyor. Bu nedenle, veri bilimi dünyasında kritik bir yer tutan tavsiye sistemlerini kapsamlı şekilde ele alan bu modülde önemli bir yetkinlik kazandırmaktadır. Bu eğitimde tavsiye sistemlerinin teknik arka planını anlayacak ve Python ile tavsiye sistemi geliştirme seviyesine çıkacaksınız.

Müfredatı gizle

Association Rule Learning

Müşterilerin alışverişlerinde yer alan ürünler arasındaki birliktelik kurallarının nasıl oluşturulduğu hakkında bilgi edineceksiniz. Böylece; müşteri satın alma alışkanlıklarını tespit ederek, ürün önerilerinin nasıl yapıldığı hakkında fikir edinmiş olacaksınız.

Bölümü ayrıntılı incele

Tavsiye Sistemleri
Birliktelik Kural Öğrenimi
Apriori Algoritması
Apriori Nasıl Çalışır?
Birliktelik Kuralı Temelli Tavsiye Sistemi
Birliktelik Kuralı Öğrenimi
Veri Ön İşleme
Arl Veri Yapılarını Hazırlamak
Birliktelik Kuralları Analizi
Çalışmanın Scriptini Hazırlama
Ürün Önerme Uygulaması

Content Based Recommendation

Beğenilen bir ürünün içeriğinin benzerliğinden yola çıkarak, yeni bir ürünün nasıl tavsiye edilebileceği hakkında bilgi edineceksiniz. Bunu yaparken TF-IDF (Term Frequency-Inverse Document Frequency) matrisinin kullanımı hakkında bilgi edineceksiniz.

Bölümü ayrıntılı incele

İçerik Temelli Filtreleme
Count Vector
Metin Vektörleştirme
İçerik Temelli Tavsiye Sistemleri
TF-IDF Matrisinin Oluşturulması
Cosine Sim Hesaplama
Benzerliklerine Göre Önerilerin Yapılması
Çalışmanın Scriptini Hazırlama

Item Based & User Based Collaborative Filtering

Kullanıcıların geçmiş beğenileri ya da puanlamalarını temel alarak, kullanıcı ve öğeler arasındaki benzerlikleri (user-based, item-based) tespit eden yöntem ile; daha önce önerilmemiş ürünlerin kullanıcıya nasıl önerildiğini öğrenme imkanı bulacaksınız.

Bölümü ayrıntılı incele

İş Birlikçi Filtreleme
Item-Based Tavsiye Sistemi
Item-Based İş Birlikçi Filtreleme
User Movie Df'in Oluşturulması
Item-Based Film Önerilerinin Yapılması
Çalışmanın Scriptini Hazırlama
Kullanıcı Tabanlı İş Birlikçi Filtreleme
Kullanıcı Tabanlı İş Birlikçi Filtreleme
Veri Setini Hazırlama
İzlenen Filmleri Getirme Uygulaması
Aynı Filmleri İzleyen Diğer Kullanıcılar
Benzerliklerin Belirlenmesi
Skor Hesaplama
Çalışmanın Fonksiyonlaştırılması

Model Based Matrix Factorization

Kullanıcının puanlamadığı ürünlere, aynı kullanıcının verebileceği puanı tahmin etmek üzerine kurulu bu yöntemde, Matrix Factorization yönteminin çalışma prensibi hakkında bilgi edineceksiniz.

Bölümü ayrıntılı incele