کتابخانه (librec) برای سیستم های توصیه گر


هدف از این آموزش نحوه کار کردن با کتابخانه قدرتمند لیبرک (Librec) که  قوی ترین کتابخانه برای سیستم های توصیه گر و بحث های یادگیری ماشین است که تحت زبان جاوا است. شما میتوانید 72 الگوریتم مربوط به سیستم های توصیه گر را روی انواع مختلف دیتاست ها اجرا کنید و خروجی ان را در مقالات و پژوهش های خود استفاده کنید. همچنین میتوانید از توابع اماده لیبرک برای محاسبه similarity و کلاس های مختلف ان جهت تسریع و تسهیل کد نویسی استاندارد استفاده کنید. و از همه معیارهای ارزیابی الگوریتم ها در لیبرک برای ارزیابی الگوریتم خود و سایر الگوریتم ها نهایت استفاده را بکنید :

  موارد موجو دراین فیلم آموزشی(تصویری) :

  1. آموزش نحوه نصب و پیکر بندی کتابخانه librec

  2. معرفی کامل لیبرک و ساختار کلی آن

  3. معرفی فرمت های مختلف داده ایی در لیبرک

  4. آموزش انواع مختلف روش های تقسیم داده در لیبرک(Split data )

  5. آموزش استفاده از انواع مختلف DataModel

  6. معرفی Interface های مختلف در لیبرک و نحوه استفاده از انها

  7. معرفی انواع مختلف معیارهای ارزیابی در لیبرک و استفاده از انها

  8. آموزش نحوه خواندن دیتاست های مختلف و ماتریس اعتماد و سایر ماتریس های دیگر

  9. آموزش نحوه تقسیم بندی دیتاست ورودی برای train , test

  10. آموزش کامل اجرای الگوریتم های مختلف در لیبرک

  11. آموزش کامل نصب و تنظیم پارامتر برای الگوریتم ها

  12. آموزش نحوه استفاده از لیبرک برای پروژه خصوصی شما

  13. آموزش استفاده از لیبرک در پروژه کاربردی به صورت یک فایل کتابخانه  ایی


معرفی لیبرک (Librec):

کتابخانه librec یک کتابخانه open source برای سیستم های توصیه گر است. که تحت زبان جاوا می باشد.این کتابخانه دارای اجرای سریع است و مثل متلب مشکلات کمبود حافظه برای کار با دیتاست های بزرگ را ندارد.و خیلی سریع دیتا ها میخواند و پردازش میکند.لیبرک دارای انعطاف پذیری زیادی در کانفیگ و اجرای الگوریتم ها است.و تقریبا از همه معیارهای ارزیابی پشتیبانی میکند و شما با یک کد خط میتوانید هر معیاری را برای ارزیابی الگوریتم خود و سایر الگوریتم ها استفاده کنید.

شما میتوانید 72 الگوریتم مربوط به سیستم های توصیه گر را روی انواع مختلف دیتاست ها اجرا کنید و خروجی ان را در مقالات و پژوهش های خود استفاده کنید. همچنین میتوانید از توابع اماده لیبرک برای محاسبه similarity و کلاس های مختلف ان جهت تسریع و تسهیل کد نویسی استاندارد استفاده کنید. و از همه معیارهای ارزیابی الگوریتم ها در لیبرک برای ارزیابی الگوریتم خود و سایر الگوریتم ها نهایت استفاده را بکنید.

  • LibRec is an open source

  • based on Java 1.7

  • Fast execution

  • Machine Learning and Big Data

  • LibRec requires the JDK version to be larger than 1.7

  • LibRec has integrated more than 70 kinds of recommendation algorithms

  •  Flexible Configurations

  • Cross-platform

  • Efficient Execution Performance

*

مراحل خرید فایل دانلودی
اگر محصول را می پسندید لطفا آنرا به اشتراک بگذارید.

محصولات مرتبط

دیدگاهی بنویسید

0