Ce que vous apprendrez ?

  • Analyser et interpréter les résultats d'une expérience de recommandation afin d'identifier les facteurs clés d'influence.
  • Ajuster et optimiser un système de recommandation hybride pour améliorer sa précision et sa pertinence.
  • Évaluer les performances d'un système de recommandation hybride à l'aide de métriques appropriées.
  • Implémenter un système de recommandation hybride en utilisant des techniques de Machine Learning et de Deep Learning.
  • Décrire les différentes architectures de systèmes de recommandation hybrides et comparer leurs avantages et inconvénients.

Prérequis

  • Fondamentaux en Machine Learning et Deep Learning Maîtrise des algorithmes de filtrage collaboratif et de filtrage basé sur le contenu Connaissance des architectures de réseaux de neurones et des modèles de recommandation avancés (Autoencoders, Factorization Machines, Transformers, etc.) Compétences en manipulation et traitement des données massives (Big Data, Spark, Hadoop) Expérience avec les bibliothèques Python pour l’IA et le Machine Learning (TensorFlow, PyTorch, Scikit-Learn, Surprise, LightFM) Maîtrise des bases de données relationnelles (SQL) et NoSQL (MongoDB, Cassandra) pour stocker les interactions utilisateur Capacité à évaluer les modèles de recommandation (NDCG, MAP, RMSE, précision, rappel) Compétences en développement d’API et intégration de modèles dans une plateforme web ou mobile

Contenu de la Formation

Total: 12 Chapitres Total hours: 6-12
  • Concept de Système de Recommandation
  • Types de Systèmes de Recommandation
  • Défis et Opportunités
  • Algorithmes d'Apprentissage Automatique Supervisé
  • Métriques d'Évaluation des Modèles
  • Techniques de Filtrage Collaboratif
  • Réseaux de Neurones et Embeddings
  • Algorithmes de Recommandation Basés sur les Embeddings
  • Mise en Œuvre de Modèles d'Apprentissage Profond
  • Combinaison de Méthodes d'Apprentissage Automatique et d'Apprentissage Profond
  • Évaluation et Ajustement du Système de Recommandation
  • Études de Cas et Applications

À TÉLÉCHARGER

À propos de l'instructeur

Avatar image
IDRISSI

nouhaila.idrissi@openskillroom.com

Nouhaila IDRISSI est Maître de conférences en Informatique et en Intelligence Artificielle. Après avoir terminé ses études à l’ENSIAS, elle a obtenu un doctorat en informatique et en apprentissage profond de l’École Mohammadia d'ingénieurs (EMI). Notre formatrice dispose de compétences pluridisciplinaires et complémentaires en IA, Big Data, Machine Learning, Deep Learning, NLP, Data Warehousing, BI et Cloud computing. Parallèlement à ses activités académiques, Dr IDRISSI est une collaboratrice active dans le milieu industriel, contribuant à combler le fossé entre la recherche académique et les applications du monde réel.

Retour des Apprenants

Avis

Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici

Caractéristiques du cours

  • Durée 6-12 hour
  • Language Français
  • Niveau de compétence.
  • CertificateNon
  • Nombre maximum d'inscrits
  • Type de formation

Devenir enseignant, Partagez vos connaissances

Rejoignez OpenskillRoom, la plateforme de formations synchrones qui valorise votre expertise.