Ito ang Linux app na pinangalanang Recommenders na ang pinakabagong release ay maaaring ma-download bilang Recommenders0.7.0.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang Recommenders sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA LALAKI
Ad
Mga Rekomendasyon
DESCRIPTION
Nagbibigay ang Recommenders repository ng mga halimbawa at pinakamahusay na kagawian para sa pagbuo ng mga system ng rekomendasyon, na ibinigay bilang Jupyter notebook. Ang module reco_utils ay naglalaman ng mga function upang pasimplehin ang mga karaniwang gawain na ginagamit sa pagbuo at pagsusuri ng mga sistema ng pagrerekomenda. Maraming utility ang ibinibigay sa reco_utils upang suportahan ang mga karaniwang gawain tulad ng pag-load ng mga dataset sa format na inaasahan ng iba't ibang algorithm, pagsusuri ng mga output ng modelo, at paghahati ng data ng pagsasanay/pagsubok. Ang mga pagpapatupad ng ilang makabagong algorithm ay kasama para sa sariling pag-aaral at pag-customize sa sarili mong mga application. Pakitingnan ang gabay sa pag-setup para sa higit pang mga detalye sa pag-set up ng iyong machine nang lokal, sa isang data science virtual machine (DSVM) o sa Azure Databricks. Ang mga independyente o incubating algorithm at utility ay mga kandidato para sa contrib folder. Ito ay maglalagay ng mga kontribusyon na maaaring hindi madaling magkasya sa pangunahing repositoryo o nangangailangan ng oras upang refactor o mature ang code at magdagdag ng mga kinakailangang pagsubok.
Mga tampok
- Paghahanda at paglo-load ng data para sa bawat algorithm ng nagrerekomenda
- Pagbuo ng mga modelo gamit ang iba't ibang classical at deep learning recommender algorithm gaya ng Alternating Least Squares (ALS) o eXtreme Deep Factorization Machines (xDeepFM)
- Pagsusuri ng mga algorithm gamit ang mga offline na sukatan
- Pag-tune at pag-optimize ng mga hyperparameter para sa mga nagrerekomendang modelo
- Pagpapatakbo ng mga modelo sa isang kapaligiran ng produksyon sa Azure
- Para sa malalim na mga algorithm sa pag-aaral, inirerekomendang gumamit ng GPU machine
Wika ng Programming
Sawa
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/recommenders.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
