أنظمة التوصية

التوصية ليست تنبّؤًا بنقطة، ولا ترتيبًا لوثائق: هي ترتيب لآلاف العناصر لكلّ شخص، من إشارات قليلة ومن انحيازات كثيرة.

مدّة الدورة: 6 ساعات

ما ستتعلّمه

• صياغة مسألة التوصية بوصفها ترتيبًا لا انحدارًا للنقاط.
• بناء تصفية تعاونيّة قائمة على الجوار، ثمّ على تفكيك المصفوفات.
• تمثيل العناصر بمحتواها عبر تضمينات الوصف.
• الجمع بين المحتوى والتصفية التعاونيّة في نُظُم هجينة أكثر متانة.
• تدريب نموذج ذي بُرجَين بلغة PyTorch مع أخذ عيّنات سالبة.
• إدارة البداية الباردة للمستخدمين والعناصر الجُدد.
• تقييم محرّك توصية خارج الخطّ بمقاييس الاستدعاء@k وNDCG@k والتغطية والتنوّع.
• تصحيح تحيّز الموضع وتحيّز الشهرة في التغذية الراجعة الضمنيّة.

المتطلّبات المسبقة

• الدورة 03 — الرياضيّات للذكاء الاصطناعيّ: الجبر الخطّيّ والتدرّج.
• الدورة 05 — التعلّم غير المُوجَّه: التشابه وتقليل الأبعاد.
• إتقان Python وnumpy وpandas؛ وPyTorch للوحدة السادسة.

الخيط الأحمر

تسير الدورة كلّها في كاتالوغ منصّة دورات على الإنترنت شبيهة بـInSkillML: نحو خمسمئة دورة، وبضعة عشرات من آلاف المتعلّمين، ومصفوفة نادرة من التقييمات الصريحة (بالنجوم) والتغذية الراجعة الضمنيّة (تسجيلات، دقائق مُشاهَدة، إتمامات). كلّ وحدة تُضيف قطعة إلى المحرّك، من أبسط جوار حتّى الشبكة ذات البُرجَين. ويُستعمل جدول MovieLens العموميّ مرجعًا مقارنًا حين يحتاج الأمر إلى رقم شاهد.

وحدات الدورة

1. صياغة مسألة التوصية.
2. التصفية التعاونيّة القائمة على المستخدم وعلى العنصر.
3. تفكيك المصفوفات وSVD.
4. التصفية القائمة على المحتوى والتشابه.
5. المقاربات الهجينة.
6. التوصية العميقة والتضمينات.
7. البداية الباردة: المستخدمون والعناصر الجُدد.
8. المقاييس: الاستدعاء وNDCG والتغطية والتنوّع.
9. التغذية الراجعة الضمنيّة وتحيّز الموضع.
10. المشروع: محرّك توصية مُقيَّم.

التقييم والشهادة

يُختَم المسار باختبار من 40 سؤالًا يغطّي الوحدات العشر، من تشخيص صياغة سيّئة إلى قراءة منحنى الاستدعاء والتغطية. عند النجاح تُمنَح شهادة إتمام فورًا، ورقمها قابل للتحقّق على المنصّة من قِبَل أيّ طرف.

أمّا الدورات المجّانيّة فتُختَتَم باختبار من خمسة أسئلة مع معاينة للشهادة، من دون توثيق رسميّ.