Ce que vous apprendrez ?
- Concevoir et proposer un système de recommandation adapté à un cas d'étude spécifique, en justifiant les choix technologiques et algorithmiques.
- Identifier et décrire les défis éthiques et les biais potentiels associés aux systèmes de recommandation.
- Évaluer les performances d'un système de recommandation en utilisant au moins deux métriques pertinentes (précision, rappel, F1-score, NDCG).
- Implémenter un système de recommandation simple utilisant un algorithme de filtrage collaboratif avec une précision supérieure à 70% sur un jeu de données donné.
- Comparer et contraster au moins trois algorithmes de recommandation différents (filtrage collaboratif, basé sur le contenu, hybride).
Prérequis
- Connaissance de base en statistiques descriptives (moyennes, médianes, écart-type). Familiarité avec les concepts de base de l'algèbre linéaire (vecteurs, matrices). Compréhension des principes de base du machine learning (apprentissage supervisé, non supervisé). Expérience pratique avec au moins un langage de programmation (Python, R, Java, etc.). Connaissance de base des bases de données relationnelles et des requêtes SQL. Capacité à manipuler et analyser des datasets de taille modérée. Familiarité avec les concepts de visualisation de données. Compréhension des différents types de systèmes de recommandation (filtrage collaboratif, basé sur le contenu, hybride). Capacité à comprendre et interpréter des résultats d'algorithmes de recommandation. Aptitude à la résolution de problèmes et à la pensée critique. Connaissance de base des concepts d'évaluation de modèles (précision, rappel, F1-score, AUC). (Optionnel) Expérience avec des frameworks de machine learning (scikit-learn, TensorFlow, PyTorch).
Contenu de la Formation
-
Définition et types de systèmes de recommandation
-
Applications et exemples concrets
-
Évaluation des systèmes de recommandation
-
Métriques de performance
-
Approche basée sur l'utilisateur
-
Approche basée sur l'item
-
Algorithmes de voisinage (k-NN)
-
Matrices de similarité
-
Extraction de caractéristiques
-
Représentation vectorielle des items
-
Mesures de similarité entre items
-
Recommandation basée sur la similarité de contenu
-
Combinaison de filtrage collaboratif et basé sur le contenu
-
Techniques de pondération
-
Avantages et inconvénients des approches hybrides
-
Exemples d'hybridation
-
Modèles matriciels (décomposition en valeurs singulières)
-
Apprentissage automatique et réseaux neuronaux
-
Deep Learning pour les systèmes de recommandation
-
Approches basées sur le contexte
-
Outils et librairies pour la mise en œuvre
-
Étude de cas : système de recommandation de films
-
Étude de cas : système de recommandation de produits
-
Défis et perspectives d'avenir
À TÉLÉCHARGER
À propos de l'instructeur
- 0 Instructor Avis
- 3 Avis
- 55 Cours
- Voir tous les cours.
Ahmed Zellou
ahmed.zellou@openskillroom.com
Ahmed Zellou Received his Ph.D. degree in Applied Sciences at the Mohammedia School of Engineers, Mohammed V University, Rabat, Morocco and ENSIMAG, Grenoble, France in 2008. He is currently a part-time Professor at Mohammed VI Polytechnic University and full Professor at ENSIAS, Mohamed V University in Rabat, Morocco. His research interests include parallel computing, Data quality, recommender system, indexation, and integration system, where he is the author/co-author of more than a hundred Scopus indexed publications. SKILLS DOMAINS • Data integration systems, complex information systems, Datawarehouse, and Web Semantic. • Modeling: Merise, UML1&2, BPMN. • Procedural and Object-oriented programming: Python, JAVA, C++, PHP. • Web development: HTML, CSS, JS and PHP. • Web Technologies: HTML, XML, PHP, Web Frameworks (Symfony, Laravel, CakePHP, CodeIgniter, Yii and Zend). • Databases, MYSQL, Postgress, Mongodb, ... Publications: ResearchGate : https://www.researchgate.net/profile/Zellou_Ahmed Scopus : https://www.scopus.com/authid/detail.uri?authorId=55644907000 Google Scholar : https://scholar.google.fr/citations?hl=fr&user=CjkVg9UAAAAJ
Retour des Apprenants
Avis
Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici
Caractéristiques du cours
- Durée 12 hour
- Language Français
- Niveau de compétence. Débutant
- CertificateNon
- Nombre maximum d'inscrits 30
- Type de formation distanciel
Cours connexes
Plus de cours par Ahmed Zellou
Devenir enseignant, Partagez vos connaissances
Rejoignez OpenKampus, la plateforme de formations synchrones qui valorise votre expertise.