• โปรแกรมเมอร์ นักวิเคราะห์ข้อมูล นักพัฒนาระบบ นักวิทยาศาสตร์ข้อมูล วิศวกรข้อมูล หรือผู้สนใจเกี่ยวกับปัญญาประดิษฐ์
• มีประสบการณ์เขียนภาษาไพทอน หรือภาษาอื่น

• สามารถเขียนโปรแกรมด้วยภาษาไพทอน (Python) สำหรับการทำงานเกี่ยวกับระบบแนะนำได้
• ได้ระบบแนะนำที่สามารถนำไปใช้งานได้

Module 1: Introduction to Recommendation Systems

• Overview of Recommendation Systems
• Definition and importance
• Types of recommendation systems (content-based, collaborative filtering, hybrid)
• Examples from various industries (e.g., e-commerce, media, finance)
• Business impact and benefits

Module 2: Data Preparation and Exploration

• Understanding Business Data
• Types of data used in recommendation systems (user interactions, product attributes, etc.)
• Data sources and collection methods
• Data Cleaning and Preprocessing
• Handling missing values, outliers, and inconsistencies
• Feature engineering and transformation
• Exploratory Data Analysis (EDA)
• Visualizing and summarizing data
• Identifying patterns and insights

Module 3: Building Recommendation Systems

• Content-Based Filtering
• Implementing content-based filtering with Python
• Collaborative Filtering
• User-based and item-based collaborative filtering
• Matrix factorization techniques (e.g., SVD)
• Implementing collaborative filtering with Python
• Hybrid Recommendation Systems
• Implementing hybrid models with Python

Module 4: Machine Learning and Deep Learning for Recommendation Systems

• Introduction to Machine Learning in Recommendations
• Introduction to Deep Learning in Recommendations
• Implementing machine learning and deep learning models with Python (using libraries like TensorFlow or PyTorch)
• Evaluating Model Performance

Module 5: Business Integration and Deployment

• Integrating Recommendation Systems into Business Processes
• Real-world integration strategies
• Deploying and Scaling
• Monitoring and Maintenance

Module 6: Projects and Case Studies

• Project 1: Recommendation System for Insurance Marketing
• Project 2: Recommendation System for Hotel
• Project 3: Recommendation System for e-commerce