ملخّص الدورة التدريبية
من المفترض أن تكون الآن على دراية بكيفية تنفيذ ما يلي:
- وصف الغرض من أنظمة التوصية
- شرح مكوّنات نظام الاقتراحات، بما في ذلك
إنشاء الاقتراحات وتقييمها وإعادة ترتيبها
- استخدِم عمليات التضمين لتمثيل العناصر والاستعلامات.
- التمييز بين الفلترة المستندة إلى المحتوى والتصفية
التعاونية
- وصف كيفية استخدام تحليل المصفوفات في أنظمة الاقتراحات
- توضيح كيفية قدرة الشبكات العصبية العميقة على التغلب على بعض القيود
لتقسيم المصفوفات
- وصف نهج استرجاع وتقييم وإعادة ترتيب لإنشاء
نظام اقتراحات
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-01-13 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-01-13 (حسب التوقيت العالمي المتفَّق عليه)"],[[["Recommendation systems predict which items a user will like based on their past behavior and preferences."],["These systems use a multi-stage process: identifying potential items (candidate generation), evaluating their relevance (scoring), and refining the order of presentation (re-ranking)."],["Embeddings play a key role in representing items and user queries, facilitating comparisons for recommendations."],["Two primary approaches for recommendation are content-based filtering (using item features) and collaborative filtering (using user similarities)."],["Deep learning techniques enhance traditional methods like matrix factorization, enabling more complex and accurate recommendations."]]],[]]