Analyseer relevantiemodellen, kliksignalen en rangschikking op grote schaal.
Deze gevorderde reeks loopt van taalkundige relevantiemodellering en klikgedrag naar online paarsgewijs leren en diepe rangschikkingsarchitecturen voor grootschalige websystemen. Je onderscheidt relevantieoordelen van waargenomen klikken, onderzoekt feedback- en blootstellingsbias en verbindt rangschikkingsdoelen met operationele evaluatie. De focus ligt op zoeken en rangschikken, niet op retrieval-augmented generation. De Engelstalige opnamen worden aangevuld met oorspronkelijk analytisch studiemateriaal, geen transcripties.
Onderscheid een relevantiemodel voor documenten van gedragssignalen zoals klikken en benoem aannames om uit interacties relevantie af te leiden. Formuleer online paarsgewijs rangschikken en leg uit hoe feedback, blootstelling en veranderende items de trainingsdata beïnvloeden. Ontwerp een reproduceerbare evaluatie zonder datalekken met offline rangschikkingsmaten en zorgvuldig begrensde online tests.
Kennis van machine learning, information retrieval en begeleid rangschikken is aanbevolen. Ervaring met rangschikkingsmaten, kansrekening, kenmerkrepresentaties en train/validatie/testprotocollen helpt; een specifiek zoekplatform is niet nodig.
Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
4 lessen · Gevorderd · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.