~歡迎企業洽談包班需求 ~
「大數據/人工智慧」 同步招生中 !!

一、課程緣起：

推薦系統是一種藉由信息過濾，來預測用戶對物品的偏好之應用，在現今的網路的世界裡，其應用可說是無所不在，包含影集推薦、金融商品推薦、書籍推薦等。

想像一下，當我們在觀看Netflix影集時，其平台會根據我們所看過的影集給予專屬的推薦，這樣客製化的服務，將提高我們使用此平台的興趣，進而產生更高的用戶黏著度以及轉換率。

推薦系統的應用非常多元且非常多廠商投入不少資源研究此課題，然而，市場上相關的人才往往供不應求，因此，為了解決人才短缺的問題，此課程邀請到具有多年經驗的業界講師來授課，期望不只能給予同學最有效的學習，同時也能獲得許多業界真實經驗。

本課程除了會深入的介紹各種推薦系統演算法外，也包含大量的實作以增進學生實戰經驗，期望同學學成後能更深入了解每個理論及實作細節。

二、課程目標：

• 了解常見推薦系統的演算法
• 了解不同推薦系統適合使用的時機
• 了解推薦系統的趨勢與應用
• 學習如何用Python來實作推薦系統，增加實戰經驗。

三、課程特色：

 清楚的理論講解：

講師會將大量複雜的理論，以非常直觀的方式傳授給同學，不只讓每位學生不再害怕牽扯到大量複雜的機率統計以及微積分，同學還能清楚了解每個步驟的物理意義，學習成果將事半功倍。

重視實作：

這門課會有將近50%的實作課程，配合老師深入淺出地的理論講義，學生能一步步理解每個實作細節，增加實戰經驗，也協助同學熟悉推薦系統實作的小技巧。

實務經驗分享：

老師會分享各行各業的真實案例，並分享在企業實作數據分析的經驗，幫助學員也能協助自己服務的公司做資料數位轉型。

四、適合對象：

• 對推薦系統有興趣的人。
• 對於如何將AI技術結合在推薦系統當中有興趣者。
• 希望能將推薦系統導入實際場域者。
• 想了解推薦系統最新的趨勢以及發展者。

五、先備知識：

• 基礎高中數學
• 熟悉任一程式語言( Python 佳)

六、課程大綱：

Python語法複習與常見資料科學套件

• Python語法複習
• Numpy介紹
• Pandas介紹

推薦系統的介紹與應用

• 推薦系統是什麼
• 推薦系統有什麼應用
• 推薦系統如何實作

內容為基礎的推薦(Content-based Recommendation, CBR)

• [理論] CBR演算法介紹
• [實作] CBR實戰

協同過濾的推薦(Collaborative Filtering, CF)

• [理論]Memory based CF演算法介紹
• [實作]Memory based CF實戰
• [理論]Model based CF演算法介紹
• [實作]Memory based CF實戰

深度學習與推薦系統

• [理論]深度學習介紹
• [理論]DNN神經網路
• [實作]使用深度學習實作推薦系統

Apache Spark介紹

• [理論]什麼是Spark
• [理論]Spark V.S. Hadoop
• [理論]Hadoop HDFS

Spark安裝

• [實作]Spark Local/ Spark Standalone叢集
• [實作]Pyspark操作

RDD介紹

• [實作]RDD Transformation /Action
• [實作]RDD key-value

Spark MLlib

• [實作]MLlib classification
• [實作]MLlib clustering

Spark推薦系統

• [實作]使用spark做推薦系統

熟悉任一程式語言( Python 佳)

七、講師介紹：

李厚均老師

學歷：國立台灣大學 電子所碩士

經歷：

1. 四零四科技AI部門工程師
2. 台積電AI企業內訓講師
3. T客邦人工智慧講師
4. TKB人工智慧講師
5. 美國伊利諾香檳分校(UIUC)交換學生
6. 交通大學電子系學士

專長：

1. Computer Vision with Deep Learning
2. Semantic Analysis
3. Automatic Speech Recognition