推荐系统及算法实践十八式
推荐系统及算法实践十八式

把学习推荐算法划分成了 6 大阶段,对应专栏 5 大内容模块,带你高效学习了解推荐系统的相关知识脉络、推荐算法的基本原理,并结合 58 集团的实践案例帮你融会贯通。

① 模块一:推荐系统基础篇
这一模块重点讲解推荐系统有关的理念、基础数据体系搭建等知识。你将快速掌握互联网业务场景、推荐系统的作用、埋点上报、用户和物品画像,以及标签挖掘、AB 测试系统等基础系统做法。

②模块二:传统推荐算法的演化之路
此模块主要讲解相对容易的传统机器学习推荐算法,这是推荐算法的基础。学完这部分知识,你将掌握传统经典推荐算法的原理,以及传统推荐算法的发展脉络。

③模块三:深度学习推荐算法的演化之路
这一模块是本专栏的重点,难度较大,主要从系统化的角度讲解 20+ 种常见的深度学习推荐算法。学完这部分知识,你将真正掌握最有影响力的深度学习推荐算法及其发展脉络,从而向更高、更远的算法工作前进。

④模块四:推荐系统绕不开的经典问题
这一模块是进阶内容,这些问题也是在你在落地过程中一定会遇到的。本模块内容在传统推荐算法基础上,继续结合模型的发展脉络,以及迁移学习、强化学习等实际业务落地场景,讲解推荐领域独特的问题及经典问题的解法,增强你解决实际问题的能力。学完后,你将知晓如何在特有场景下通过推荐算法做好一个推荐系统。

⑤模块五:推荐系统理论与实战篇
这一模块是拔高内容,将之前模块所学的推荐系统知识体系和脉络进一步梳理,并以 58 同城本地服务业务为背景,介绍如何根据实际业务构建流量分发体系,以及在体系分层优化中如何结合算法和工程能力,实现推荐算法综合及工程化实践方案的落地。

〖课程截图〗:

推荐系统及算法实践十八式
推荐系统及算法实践十八式

〖课程目录〗:

  • ├──文档
  • | ├──01 数据采集层:流量分发第一步——规范采集海量数据.md 14.79kb
  • | ├──02 数据加工层(上):如何搭建用户与内容的标准规范体系?.md 20.78kb
  • | ├──03 数据加工层(下):如何精准匹配用户画像与物品画像?.md 19.61kb
  • | ├──04 效用评测层:显性指标+标准方法,对推荐效果定量评测.md 16.21kb
  • | ├──05 以物品与用户为基础,个性化推荐算法的四大策略.md 17.13kb
  • | ├──06 人以群分,基于邻域的协同过滤算法.md 15.63kb
  • | ├──07 物以类聚,基于特征的七种算法模型.md 14.22kb
  • | ├──08 模型演化根本:深度学习推荐算法的五大范式组件.md 11.29kb
  • | ├──09 深度推荐模型演化中的“平衡与不平衡“组合规律.md 21.85kb
  • | ├──10 深度推荐模型演化中的“更深与更专注“进阶路径.md 26.51kb
  • | ├──11 深度推荐模型演化中的“范式替换“灵活组合.md 19.57kb
  • | ├──12 用户行为关联与推荐:多目标与多任务学习.md 14.08kb
  • | ├──13 用户兴趣探索与开发:深度学习与强化学习.md 20.25kb
  • | ├──14 新用户与新物品涌入:冷启动难题破解之道.md 18.06kb
  • | ├──15 58 本地服务业务中的推荐系统实战——工程篇.md 35.47kb
  • | ├──16 58 本地服务业务中的推荐系统实战——算法篇.md 40.45kb
  • | ├──结束语 推荐系统方案中,那些不得不知的坑.md 12.30kb
  • | └──开篇词 如何根据规律在变化中求发展?.md 11.83kb
  • ├──01 数据采集层:流量分发第一步——规范采集海量数据.mp4 89.85M
  • ├──02 数据加工层(上):如何搭建用户与内容的标准规范体系?.mp4 130.16M
  • ├──03 数据加工层(下):如何精准匹配用户画像与物品画像?.mp4 159.86M
  • ├──04 效用评测层:显性指标+标准方法,对推荐效果定量评测.mp4 86.65M
  • ├──05 以物品与用户为基础,个性化推荐算法的四大策略.mp4 118.90M
  • ├──06 人以群分,基于邻域的协同过滤算法.mp4 96.22M
  • ├──07 物以类聚,基于特征的七种算法模型.mp4 64.71M
  • ├──08 模型演化根本:深度学习推荐算法的五大范式组件.mp4 71.91M
  • ├──09 深度推荐模型演化中的“平衡与不平衡“组合规律.mp4 167.63M
  • ├──10 深度推荐模型演化中的“更深与更专注“进阶路径.mp4 162.74M
  • ├──11 深度推荐模型演化中的“范式替换“灵活组合.mp4 166.45M
  • ├──12 用户行为关联与推荐:多目标与多任务学习.mp4 113.26M
  • ├──13 用户兴趣探索与开发:深度学习与强化学习.mp4 127.62M
  • ├──14 新用户与新物品涌入:冷启动难题破解之道.mp4 111.08M
  • ├──15 58 本地服务业务中的推荐系统实战——工程篇.mp4 312.39M
  • ├──16 58 本地服务业务中的推荐系统实战——算法篇.mp4 317.53M
  • ├──结束语 推荐系统方案中,那些不得不知的坑.mp4 75.84M
  • └──开篇词 如何根据规律在变化中求发展?.mp4 113.66M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。