بازدیدها: 2
امروزه به دلیل حجم فراگیر اطلاعات آنلاین، امکان نمایش محتوای گسترده به کاربران وجود ندارد. بنابراین، نمایش محتواهای موردعلاقهٔ و موردنیاز کاربران، یک مزیت رقابتی مهم برای کسب و کارها به شمار میرود. به همین منظور استفاده از سیستمهای توصیهگر محتوا (Recommender system) با استقبال زیادی روبهرو شدهاند تا به کاربران کمک کنند سریعتر به محتوای موردعلاقهٔ خود دسترسی پیدا کنند.
استفاده از مدل یادگیری ماشین برای ایجاد سیستمهای توصیهگر از بهترین کاربردهای هوش مصنوعی است. سیستمهای توصیهگر یکی از پیشرفتهترین فناوریهای موجود به حساب میآیند که بر اساس الگوریتمهای از پیش تعیین شد و تاریخچه کاربران، پیشنهادهای مرتبط بر اساس علایق آنان ارائه میدهند. با افزایش حجم دادههای موجود بر وب و پیشرفت روشهای یادگیری ماشین، کسب و کارها به سرعت به سمت استفاده از دادههای موجود برای شناسایی رفتار کاربران و نمایش اطلاعات متناسب با علایق آنها رفتند که نقش مهمی در افزایش تعامل کاربران با وب سایت و افزایش فروش دارند.
در همین راستا، ورکشاپ تخصصی با موضوع آشنایی با سیستمهای توصیهگر محتوا (Recommender system) از تئوری تا کاربرد و نیز وبینار جانبی معرفی یک مسابقه توسط آکادمی AIMedic با همکاری شرکت رایاصدر برگزار میگردد.
به منظور افزایش دانش و مهارت شرکتکنندگان عزیز و نظر به محکزدن سطح توانمندی، خلاقیت و میزان دقت شرکت کنندگان، مسابقهای با جایزه 750 میلیونریالی با حمایت مالی مجموعه روبیکا برنامهریزی و تدارک دیده شده است. این جایزه به تفکیک به 15 نفر منتخب مرحله اول هر یک 30 میلیون ریال و 3 نفر منتخب مرحله دوم هر یک 100 میلیون ریال اهدا خواهد شد. شایان ذکر است امکان شرکت در این مسابقه صرفاً برای افرادی که در وبینار Recommender system ثبتنام کنند، در دسترس خواهد بود. همچنین، اطلاعات تکمیلی درمورد مسابقه مذکور در قالب فایل برای شرکتکنندگان این ورکشاپ ارسال خواهد شد.
سخنران
زهره کریمی
دکتری مهندسی کامپیوتر-هوش مصنوعی دانشگاه صنعتی امیرکبیر. عضو هیئت علمی دانشگاه دامغان
زمانبندی
عنوان | شروع | پایان |
---|---|---|
آغاز و خوشآمدگویی و معرفی | ۱۰:۰۰ | ۱۰:۱۰ |
مقدمه: تعریف، اهداف و کاربردهای سیستم های توصیه گر | ۱۰:۱۰ | ۱۱:۳۰ |
استراحت | ۱۱:۳۰ | ۱۱:۴۰ |
انواع سیستم های توصیه گر: سیستم های توصیه گر مبتنی بر محتوا، سیستم های توصیه گر پالایش مشارکتی | ۱۱:۴۰ | ۱۳:۰۰ |
تایم ناهار ، نماز و استراحت | ۱۳:۰۰ | ۱۴:۰۰ |
معرفی مینی مسابقه روبیکا | ۱۴:۰۰ | ۱۴:۱۵ |
ارزیابی: ملاک های ارزیابی کارایی سیستم های توصیه گر | ۱۴:۱۵ | ۱۴:۴۵ |
پیاده سازی: آشنایی با یک مجموعه داده و پیاده سازی یک سیستم توصیه گر با زبان برنامه نویسی پایتون | ۱۴:۴۵ | ۱۵:۳۰ |
مفاهیم پیشرفته در سیستم های توصیه گر | ۱۵:۳۰ | ۱۶:۰۰ |