İçerik

    1. Kurs Hakkında

    2. Genel Bilgilendirme

    3. Kurs Materyalleri

    1. Tavsiye Sistemleri ( Recommendation Systems )

    2. Birliktelik Kuralı Öğrenimi ( Association Rule Learning )

    3. Apriori Algoritması ( Apriori Algorithm )

    4. Apriori Nasıl Çalışır ? ( How Does Apriori Work ? )

    5. Birliktelik Kuralı Temelli Tavsiye Sistemi ( Association Rule Based Recommender System )

    6. Birliktelik Kuralı Öğrenimi ( Association Rule Learning )

    7. Veri Ön İşleme ( Data Preprocessing )

    8. ARL Veri Yapılarını Hazırlamak ( Preparing ARL Data Structures )

    9. Birliktelik Kuralları Analizi ( Association Rules Analysis )

    10. Çalışmanın Scriptini Hazırlama ( Preparing the Script of the Study )

    11. Ürün Önerme Uygulaması ( Product Recommendation Practice )

    12. Quiz - Association Rule Learning

    1. İçerik Temelli Filtreleme ( Content Based Filtering )

    2. Count Vector

    3. Metin Vektörleştirme ( TF-IDF )

    4. İçerik Temelli Tavsiye Sistemleri ( Content Based Recommender System )

    5. TF-IDF Matrisinin Oluşturulması ( Creating the TF-IDF Matrix )

    6. Cosine Sim Hesaplama ( Cosine Sim Calculator )

    7. Benzerliklerine Göre Önerilerin Yapılması ( Recommendation Based on Similarities )

    8. Çalışmanın Scriptinin Hazırlanması ( Preparation of Working Script )

    9. Quiz - Content Based Recommendation

    1. İş Birlikçi Filtreleme ( Collaborative Filtering )

    2. Item-Based Tavsiye Sistemi ( Item-Based Recommendation System )

    3. Item-Based İş Birlikçi Filtreleme ( Item-Based Collaborative Filtering )

    4. User Movie Df'in Oluşturulması ( Creation of User Movie Df )

    5. Item-Based Film Önerilerinin Yapılması ( Making Movie Recommendations )

    6. Çalışmanın Scriptinin Hazırlanması ( Preparation of Working Script )

    7. Quiz - Item Based Collaborative Filtering

    1. Kullanıcı Tabanlı İş Birlikçi Filtreleme ( User-Based Collaborative Filtering )

    2. Kullanıcı Tabanlı İş Birlikçi Filtreleme ( User-Based Collaborative Filtering )

    3. Veri Setini Hazırlama ( Data Preparation )

    4. İzlenen Filmleri Getirme Uygulaması ( Practical to Bring Watched Movies )

    5. Aynı Filmi İzleyen Diğer Kullanıcılar ( Other Users Watching the Same Movies )

    6. Benzerliklerin Belirlenmesi ( Determination of Similarity )

    7. Skor Hesaplama ( Score Calculation )

    8. Çalışmanın Fonksiyonlaştırılması ( Functionalization )

    9. Quiz - User Based Collaborative Filtering

    1. Matris Çarpanlarına Ayırma ( Matrix Factorization )

    2. Gradyan İniş ( Gradient Descent )

    3. Verinin Hazırlanması ( Preparation of Data )

    4. Modelleme ( Modeling )

    5. Model Kurma ( Model Tuning )

    6. Final Model ve Tahmin ( Final Model and Prediction )

    7. Quiz - Model Based Matrix Factorization

Introduction to Recommendation System

  • 54 ders
  • 6 saat video içeriği