Curso completo de deep learning | Aprendizaje profundo 2021 por Datitos Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021
Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021 Transcript and Lesson Notes
Con está clase comenzamos la última unidad del curso. Hablaremos de sistemas de recomendación, cómo entrenarlos, las características básicas de la tarea de recomendación, así como varias herramientas importantes en el di
Quick Summary
Con está clase comenzamos la última unidad del curso. Hablaremos de sistemas de recomendación, cómo entrenarlos, las características básicas de la tarea de recomendación, así como varias herramientas importantes en el di
Key Takeaways
- Review the core idea: Con está clase comenzamos la última unidad del curso. Hablaremos de sistemas de recomendación, cómo entrenarlos, las características básicas de la tarea de recomendación, así como varias herramientas importantes en el di
- Understand how deep learning fits into Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021.
- Understand how machine learning fits into Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021.
- Understand how artificial intelligence fits into Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021.
Key Concepts
Full Transcript
Con está clase comenzamos la última unidad del curso. Hablaremos de sistemas de recomendación, cómo entrenarlos, las características básicas de la tarea de recomendación, así como varias herramientas importantes en el diseño de estos sistemas. También discutiremos algunos de los modelos usados en sistemas de recomencación, sus fundamentos, sus limitaciones y los trucos matemáticos que existen para aguilizar el tiempo de cálculo. Esta clase es parte de un curso gratuito dictado en la Ciudad de Mendoza, Argentina en Otoño de 2021. Podés encontrar todo el material en https://datitos.github.io/curso-aprendizaje-profundo/2021/ ¿Qué es un sistema de recomendación? (0:00) ¿En que consisten la tarea de recomendación? (12:19) Factorización de matrices (17:32) Limitaciones de Factorización de Matrices (26:17) Datos explicitos e implicitos (33:26) AutoRec: Autoencoders para Recomendación (44:10) NeuralMF: Factorización con Redes Profundas(49:32) Maquinas de factorización (55:37)
Lesson FAQs
What is Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021 about?
Con está clase comenzamos la última unidad del curso. Hablaremos de sistemas de recomendación, cómo entrenarlos, las características básicas de la tarea de recomendación, así como varias herramientas importantes en el di
What key concepts are covered in this lesson?
The lesson covers deep learning, machine learning, artificial intelligence.
What should I learn before Sistemas de Recomendación (Parte 1): Filtros Colaborativos | Clase 22 | Aprendizaje Profundo 2021?
Review the previous lessons in Curso completo de deep learning | Aprendizaje profundo 2021 por Datitos, then use the transcript and key concepts on this page to fill any gaps.
How can I practice after this lesson?
Practice by applying the main concepts: deep learning, machine learning, artificial intelligence.
Does this lesson include a transcript?
Yes. The full transcript is visible on this page in indexable HTML sections.
Is this lesson free?
Yes. CourseHive lessons and courses are available to learn online for free.
Continue Learning
Continue this lesson in the app
Install CourseHive on Android or iOS to keep learning while you move.
