พื้นฐานของระบบแนะนำ: แบบไม่เฉพาะบุคคลและแบบอิงเนื้อหา (Non-Personalized and Content-Based)

ค้นพบว่าแพลตฟอร์มสมัยใหม่แนะนำผลิตภัณฑ์ บทความ และสื่อที่เหมาะสมแก่ผู้ใช้ได้อย่างไร หลักสูตรแบบข้อความนี้จะแนะนำกลไกพื้นฐานเบื้องหลังระบบแนะนำ (recommender systems) โดยเริ่มตั้งแต่พื้นฐานที่สุด คุณจะได้เปลี่ยนจากการทำความเข้าใจแนวคิดหลักของการแนะนำ ไปสู่การนำอัลกอริทึมการกรองแบบไม่เฉพาะบุคคลและแบบอิงเนื้อหาไปใช้จริง คุณจะได้รับทักษะในการวิเคราะห์ชุดข้อมูล คำนวณความสัมพันธ์ของผลิตภัณฑ์ และใช้ประโยชน์จากการนำเสนอข้อความสมัยใหม่ (modern text representations) เพื่อส่งมอบคำแนะนำที่เกี่ยวข้อง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจคำศัพท์หลัก มูลค่าทางธุรกิจ และรูปแบบสถาปัตยกรรมของเครื่องมือแนะนำ - คำนวณคำแนะนำแบบไม่เฉพาะบุคคลโดยใช้สถิติสรุปและแบบแผนทางประชากรศาสตร์ (demographic stereotypes) - นำกฎความสัมพันธ์ของผลิตภัณฑ์ไปใช้เพื่อแนะนำสินค้าที่มักถูกซื้อพร้อมกัน - สร้างระบบการกรองแบบอิงเนื้อหาโดยใช้ข้อมูลเมตาของสินค้า (item metadata) และโปรไฟล์ผู้ใช้ - ประยุกต์ใช้การแปลงข้อความเป็นเวกเตอร์สมัยใหม่ (modern text vectorization) และเมตริกความคล้ายคลึงโคไซน์ (cosine similarity metrics) เพื่อจับคู่ความชอบของผู้ใช้กับเนื้อหา - ประเมินประสิทธิภาพและอคติที่อาจเกิดขึ้นของกลยุทธ์การแนะนำที่แตกต่างกัน หลักสูตรนี้จะแนะนำคุณทีละขั้นตอนผ่านทฤษฎีพื้นฐาน สูตรทางคณิตศาสตร์ และการนำโค้ดไปใช้จริง คุณจะได้อ่านคำอธิบายที่ชัดเจนและทำแบบฝึกหัดที่เป็นลายลักษณ์อักษรซึ่งออกแบบมาเพื่อเสริมความเข้าใจในตรรกะของการแนะนำ หลักสูตรนี้ออกแบบมาสำหรับผู้ที่ต้องการเป็นผู้เชี่ยวชาญด้านข้อมูล นักพัฒนาซอฟต์แวร์ และผู้ที่มีความคิดเชิงวิเคราะห์ที่ยังใหม่ต่อระบบแนะนำ ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning มาก่อน แต่ความคุ้นเคยพื้นฐานกับ Python และแนวคิดด้านข้อมูลจะเป็นประโยชน์ เริ่มสร้างประสบการณ์ผู้ใช้ที่ชาญฉลาดและขับเคลื่อนด้วยข้อมูลได้แล้ววันนี้