智能推荐技术算法 推荐系统三十六式 共39课

校长yo
智能推荐技术算法 推荐系统三十六式 共39课 百度云免费下载

今日头条、淘宝搜索、百度信息流 等平台 都使用了智能推荐算法,本课程重点介绍智能推荐系统的技术细节。

本专栏为推荐系统学习者架构起整体的知识脉络,并在此基础上补充实践案例与经验,力图解决你系统起步阶段 80% 的问题。

目录:
开篇词 | 用知识去对抗技术不平等

【概念篇】你真的需要个性化推荐系统吗?

【概念篇】个性化推荐系统那些绕不开的经典问题

【概念篇】这些你必须应该具备的思维模式

【内容推荐】画鬼容易画人难:用户画像的“能”和“不能”

【内容推荐】从文本到用户画像有多远

【内容推荐】超越标签的内容推荐系统

【近邻推荐】人以群分,你是什么人就看到什么世界

【近邻推荐】解密“看了又看”和“买了又买”

【近邻推荐】协同过滤中的相似度计算方法有哪些

【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法

【矩阵分解】Facebook是怎么为十亿人互相推荐好友的

【矩阵分解】如果关注排序效果,那么这个模型可以帮到你

【模型融合】经典模型融合办法:线性模型和树模型的组合拳

【模型融合】一网打尽协同过滤、矩阵分解和线性模型

【模型融合】深度和宽度兼具的融合模型 Wide and Deep

【MAB问题】简单却有效的Bandit算法

【MAB问题】结合上下文信息的Bandit算法

【MAB问题】如何将Bandit算法与协同过滤结合使用

【深度学习】深度学习在推荐系统中的应用有哪些?

【深度学习】用RNN构建个性化音乐播单

【其他应用算法】构建一个科学的排行榜体系

【其他应用算法】实用的加权采样算法

【其他应用算法】推荐候选池的去重策略

【常见架构】典型的信息流架构是什么样的

【常见架构】Netflix个性化推荐架构

【常见架构】总览推荐架构和搜索、广告的关系

【关键模块】巧妇难为无米之炊:数据采集关键要素

【关键模块】让你的推荐系统反应更快:实时推荐

【关键模块】让数据驱动落地,你需要一个实验平台

【关键模块】 推荐系统服务化、存储选型及API设计

【效果保证】推荐系统的测试方法及常用指标介绍

【效果保证】道高一尺魔高一丈:推荐系统的攻防

【开源工具】和推荐系统有关的开源工具及框架介绍

【产品篇】推荐系统在互联网产品商业链条中的地位

【产品篇】说说信息流的前世今生

【团队篇】组建推荐团队及工程师的学习路径

推荐系统的参考阅读

【尾声】遇“荐”之后,江湖再见

下载:
下载地址已隐藏,加入会员后显示
加入会员

回复

使用道具 举报

联系客服 关注微信 返回顶部 返回列表