推荐系统实战系列课程

推荐系统实战系列课程
共10节 6人在学 课程详情
  • 1 节推荐系统介绍及其应用

    • 1-推荐系统通俗解读.
    • 2-推荐系统发展简介
    • 3-应用领域与多方位评估指标
    • 4-任务流程与挑战概述
    • 5-常用技术点分析
    • 6-与深度学习的结合
  • 2 节协同过滤与矩阵分解

    • 1-协同过滤与矩阵分解简介
    • 2-基于用户与商品的协同过滤
    • 3-相似度计算与推荐实例
    • 4-矩阵分解的目的与效果
    • 5-矩阵分解中的隐向量
    • 6-目标函数简介
    • 7-隐式情况分析
    • 8-Embedding的作用.
  • 3 节音乐推荐系统实战

    • 1-音乐推荐任务概述
    • 2-数据集整合
    • 3-基于物品的协同过滤
    • 4-物品相似度计算与推荐
    • 5-SVD矩阵分解
    • 6-基于矩阵分解的音乐推荐
  • 4 节知识图谱与Neo4j数据库实例

    • 1-知识图谱通俗解读
    • 2-知识图谱在搜索引擎中的应用
    • 3-知识图谱在医疗领域应用实例
    • 4-金融与推荐领域的应用
    • 5-数据获取分析
    • 6-Neo4j图数据库介绍
    • 7-Neo4j数据库安装流程演示
    • 8-可视化例子演示
    • 9-创建与删除操作演示
    • 10-数据库更改查询操作演示
  • 5 节基于知识图谱的电影推荐实战

    • 1-知识图谱推荐系统效果演示
    • 2-kaggle电影数据集下载与配置
    • 3-图谱需求与任务流程解读
    • 4-项目所需环境配置安装
    • 5-构建用户电影知识图谱
    • 6-图谱查询与匹配操作
    • 7-相似度计算与推荐引擎构建
  • 6 节点击率估计FM与DeepFM算法

    • 1-CTR估计及其经典方法概述
    • 2-高维特征带来的问题
    • 3-二项式特征的作用与挑战
    • 4-二阶公式推导与化简
    • 5-FM算法解析
    • 6-DeepFm整体架构解读
    • 7-输入层所需数据样例
    • 8-Embedding层的作用与总结
  • 7 节DeepFM算法实战

    • 1-数据集介绍与环境配置.
    • 2-广告点击数据预处理实例
    • 3-数据处理模块Embedding层
    • 4-Index与Value数据制作
    • 5-一阶权重参数设计
    • 6-二阶特征构建方法
    • 7-特征组合方法实例分析
    • 8-完成FM模块计算
    • 9-DNN模块与训练过程
  • 8 节推荐系统常用工具包演示

    • 1-环境配置与数据集介绍
    • 2-电影数据集预处理分析
    • 3-surprise工具包基本使用
    • 4-模型测试集结果
    • 5-评估指标概述.
  • 9 节基于文本数据的推荐实例

    • 1-数据与环境配置介绍.
    • 2-数据科学相关数据介绍
    • 3-文本数据预处理.
    • 4-TFIDF构建特征矩阵
    • 5-矩阵分解演示
    • 6-LDA主题模型效果演示
    • 7-推荐结果分析
  • 10 节基本统计分析的电影推荐

    • 1-电影数据与环境配置.
    • 2-数据与关键词信息展示.
    • 3-关键词云与直方图展示
    • 4-特征可视化
    • 5-数据清洗概述
    • 6-缺失值填充方法.
    • 7-推荐引擎构造
    • 8-数据特征构造.
    • 9-得出推荐结果

    订阅失败

    推荐系统实战系列课程
    推荐系统实战系列课程 ...

    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

    本课程从 基础认知切入,主要学习Embedding的作用.

    课程介绍

    该视频主要讲述了推荐系统的核心目标和应用领域。推荐系统的目标是提高用户粘性,通过推荐用户感兴趣的内容,使用户持续使用并享受服务。在大数据时代,推荐系统利用互通的数据和信息,根据用户的行为和兴趣,推荐相关的内容,从而增加用户的粘性和满意度。应用领域广泛,如抖音、淘宝等,都运用了推荐系统来提高用户体验和增加销售额。同时,也提到了大数据时代带来的问题,如信息过载,推荐系统可以帮助用户快速找到所需信息。

    推荐系统不仅应用于电商、电影推荐和短视频APP,还扩展到了地图导航和社交领域。随后,视频强调了广告计费方式和用户粘性在推荐系统中的重要性。最后,视频提到了图模型在推荐系统中的应用,尤其是在知识图谱领域,展示了推荐系统的复杂性和未来发展潜力。通过该视频,观众可以更好地理解推荐系统的运作原理和应用范围。

    推荐课程

    信息系统项目管理师自考笔记

    李明 · 972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 · 23016人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4318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 · 847人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 909人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5217人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1541人在学

    Python Django 深度学习 小程序

    钟翔 · 2436人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 711人在学

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

    李杰 · 4103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~