Практикум под руководством инструктора
Создание интеллектуальных рекомендательных систем

Рекомендательные системы на базе алгоритмов глубокого обучения — это секретный элемент персонализированных онлайн-сервисов и эффективных инструментов принятия решения в розничной торговле, развлекательной индустрии, здравоохранении, финансовой и других сферах.

В основе работы рекомендательных систем лежит понимание предпочтений, предыдущих решений и прочих закономерностей для большого количества людей. Например, рекомендательные системы могут предсказать, какие фильмы могут понравиться пользователю, основываясь на ранее просмотренных фильмах и языках, на которых он разговаривает. Тренировка нейронной сети для обобщения этого массива данных и быстрого предоставления конкретных рекомендаций для схожих людей или ситуаций требует огромного объема вычислений, которые можно ускорить при помощи графических процессоров. Компании, которые стремятся повысить уровень обслуживания и взаимодействия с клиентами, а также принимать более взвешенные решения, могут извлечь колоссальную пользу, применяя правильно разработанную и обученную рекомендательную систему.

Данный практикум посвящен основным инструментам и методам разработки высокоэффективных рекомендательных систем, а также развертыванию решений с ускорением на GPU для рекомендательных движков в реальном времени.

 

Цели обучения


На этом практикуме вам предстоит:
  • Создать контент-ориентированную рекомендательную систему, используя открытую библиотеку cuDF и Apache Arrow
  • Создать систему на базе алгоритмов коллаборативной фильтрации, используя метод чередующихся наименьших квадратов (ALS) и CuPy
  • Разработать широкую и глубокую нейронную сеть при помощи TensorFlow 2 для создания гибридной рекомендательной системы
  • Оптимизировать производительность для тренировки и инференса, используя большие разреженные наборы данных
  • Развернуть рекомендательную модель как высокопроизводительный веб-сервис

Скачать описание практикума (PDF, 79,8 KБ)

Краткое описание практикума

Введение
(15 мин)
  • Знакомство с инструктором
  • Создание аккаунта на courses.nvidia.com/join
Рекомендательные системы на основе матриц
(120 мин)
Внедрение коллаборативной фильтрации с сингулярным разложением:
  • Считайте разряженные данные в GPU с помощью CuPy.
  • Создайте ALS с помощью правил вещания NumPy
  • Создайте фильтр с cuDF
Перерыв (60 мин)
Обучение широких и глубоких рекомендательных систем
(120 мин)
Создайте широкую и глубокую сеть с помощью TensorFlow 2:
  • Создайте глубокую сеть с помощью Keras
  • Создайте широкую и глубокую сеть с помощью столбцов функций TensorFlow
  • Преобразовывайте данные с помощью tf.data
  • Пример из практики 1: Реальные примеры архитектур рекомендательных систем
Перерыв (15 мин)
Проблемы при развертывании рекомендательных систем для производства
(120 мин)
Развертывание рекомендательных систем в компании:
  • Получите обученную конфигурацию модели для развертывания
  • Создайте контейнер для развертывания
  • Разверните обученную модели с помощью сервера для инференса NVIDIA Triton
Окончательный анализ
(15 мин)
  • Еще раз ознакомьтесь с основными выводами и ответьте на вопросы
  • Узнайте, как создать свою собственную среду, а также обсудите дополнительные материалы и практикумы
  • Завершите тестирование и получите сертификат
  • Пройдите опрос
  • Пример из практики 2: Проверка реальных задач рекомендательных систем
 

Информация о практикуме

Продолжительность: 8 часов

Цена: для уточнения стоимости свяжитесь с нами.

Необходимые требования:

  • Знание Python на среднем уровне, в том числе представления списков (list comprehension)
  • Опыт работы с данными с использованием Python
  • Базовые знания NumPy и матриц

Предлагаемые материалы для подготовки к участию в тренинге: Обучение Python, Курс машинного обучения Kaggle, Обучение NumPy

Технологии: CuDF, CuPy, TensorFlow 2, Сервер для инференса NVIDIA Triton

Метод контроля:Тестирования проводятся на основе навыков, полученных во время практикума, и оценивают способность студентов включать отладку и исправлять уже готовые рекомендательные системы.

Сертификат: После успешного завершения тестирования участники получат сертификат NVIDIA DLI для подтверждения своей квалификации и дальнейшего карьерного роста.

Аппаратные требования: ПК или ноутбук с поддержкой последней версии Chrome или Firefox. Каждому участнику будет предоставлен доступ к полностью настроенному облачному серверу с ускорением на GPU.

Язык: английский

У вас возникли вопросы?