机器学习与推荐系统

机器学习与推荐系统
共65节 1251人在学 课程详情
  • 推荐系统概述
  • 荐系统算法简介
  • 推荐系统评测
  • 数学基础(上)_矩阵知识
  • 数学基础(下)_微积分和概率统计知识
  • 机器学习概述
  • 监督学习(上)
  • 监督学习(中)
  • 监督学习(下)
  • 机器学习模型和算法_python简介
  • 机器学习模型和算法_python基础语法(上)
  • 机器学习模型和算法_python基础语法(下)
  • 机器学习模型和算法_线性回归(上)
  • 机器学习模型和算法_线性回归最小二乘代码实现(上)
  • 机器学习模型和算法_线性回归最小二乘代码实现(下)
  • 机器学习模型和算法_线性回归(下)
  • 机器学习模型和算法_线性回归梯度下降代码实现
  • 机器学习模型和算法_线性回归梯度下降代码实现
  • 机器学习模型和算法_K近邻
  • 机器学习模型和算法_K近邻代码实现(上)
  • 机器学习模型和算法_K近邻代码实现(中)
  • 机器学习模型和算法_K近邻代码实现(下)
  • 机器学习模型和算法_逻辑回归(上)
  • 机器学习模型和算法_逻辑回归(下)
  • 机器学习模型和算法_决策树
  • 机器学习模型和算法_K均值聚类
  • 机器学习模型和算法_K均值聚类代码实现(上)
  • 机器学习模型和算法_K均值聚类代码实现(下)
  • 推荐系统_推荐系统算法详解(一)
  • 推荐系统_推荐系统算法详解(二)
  • 推荐系统_推荐系统算法详解(三)
  • TF-IDF算法代码示例
  • 推荐系统_推荐系统算法详解(四)
  • 推荐系统_推荐系统算法详解(五)
  • 推荐系统_LFM梯度下降算法代码实现(上)
  • 推荐系统_LFM梯度下降算法代码实现(下)
  • 电影推荐系统_项目系统设计(上)
  • 电影推荐系统_项目系统设计(中)
  • 电影推荐系统_项目系统设计(下)
  • 电影推荐系统_项目框架搭建
  • 电影推荐系统_数据加载模块(一)
  • 电影推荐系统_数据加载模块(二)
  • 电影推荐系统_数据加载模块(三)
  • 电影推荐系统_数据加载模块(四)
  • 电影推荐系统_数据加载模块(五)
  • 电影推荐系统_统计推荐模块(上)
  • 电影推荐系统_统计推荐模块(中)
  • 电影推荐系统_统计推荐模块(下)
  • 电影推荐系统_基于LFM的离线推荐模块(上)
  • 电影推荐系统_基于LFM的离线推荐模块(中)
  • 电影推荐系统_基于LFM的离线推荐模块(下)
  • 电影推荐系统_ALS模型评估和参数选取(上)
  • 电影推荐系统_ALS模型评估和参数选取(下)
  • 电影推荐系统_实时推荐模块(一)
  • 电影推荐系统_实时推荐模块(二)
  • 电影推荐系统_实时推荐模块(三)
  • 电影推荐系统_实时推荐模块(四)
  • 电影推荐系统_实时推荐模块(五)
  • 电影推荐系统_实时推荐模块测试
  • 电影推荐系统_基于内容推荐模块(一)
  • 电影推荐系统_基于内容推荐模块(二)
  • 电影推荐系统_基于内容推荐模块(三)
  • 电影推荐系统_基于内容推荐模块(四)
  • 电影推荐系统_实时系统联调测试(上)
  • 电影推荐系统_实时系统联调测试(下)

    订阅失败

    机器学习与推荐系统
    机器学习与推荐系统 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈,我们将及时处理!

    课时介绍

    电影推荐系统_统计推荐模块(上)

    课程介绍

    一、机器学习与推荐系统课程简介

    伴随着大数据时代的到来,作为发掘数据规律的重要手段,机器学习已经受到了越来越多的关注。而作为机器学习算法在大数据上的典型应用,推荐系统已成为各行业互联网公司营销体系中不可或缺的一部分,而且已经带来了真实可见的收益。

    目前,推荐系统和机器学习已经成为各大公司的发力重点,众多知名公司(如亚马逊、netflix、facebook、阿里巴巴、京东、腾讯、新浪、头条等)都在着眼于将蕴含在庞大数据中的宝藏发掘出来,懂机器学习算法的大数据工程师也成为了新时代最紧缺的人才。

    尚硅谷精心打造出了机器学习与推荐系统课程,将机器学习理论与推荐系统项目实战并重,对机器学习和推荐系统基础知识做了系统的梳理和阐述,并通过电影推荐网站的具体项目进行了实战演练。为有志于增加大数据项目经验、扩展机器学习发展方向的工程师提供最好的学习平台。

    二、课程内容和目标

    本课程主要分为两部分,机器学习和推荐系统基础,与电影推荐系统项目实战。

    第一部分主要是机器学习和推荐系统基础理论的讲解,涉及到各种重要概念和基础算法,并对一些算法用python做了实现;

    第二部分以电影网站作为业务应用场景,介绍推荐系统的开发实战。其中包括了如统计推荐、基于LFM的离线推荐、基于模型的实时推荐、基于内容的推荐等多个模块的代码实现,并与各种工具进行整合互接,构成完整的项目应用。

    通过理论和实际的紧密结合,可以使学员对推荐系统这一大数据应用有充分的认识和理解,在项目实战中对大数据的相关工具和知识做系统的回顾,并且可以掌握基本算法,入门机器学习这一前沿领域,为未来发展提供更多的选择,打开通向算法工程师的大门。

    推荐课程

    信息系统项目管理师自考笔记

    李明 · 846人在学

    python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

    王先生 · 22541人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4273人在学

    Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

    黄菊华 · 819人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 879人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5191人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1522人在学

    Python Django 深度学习 小程序

    钟翔 · 2383人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 650人在学

    Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

    李杰 · 4058人在学

    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    课件正在飞速打包中,请耐心等待几秒钟~