通通好课 通通好课 小鹅通精品课程合作平台

《推荐系统基础》 专栏

《推荐系统基础》

本课程系统性讲解了推荐系统的理论基础和实现方案,并结合主流互联网产品中的推荐系统进行分析和论述,内容涵盖系统构建的方法和各种评测标准及用到的机器学习、深度学习领域中推荐算法等,帮助大家迅速掌握设计与实现推荐系统的方法与技巧
1299
通通好课店铺 手机访问店铺
获取更多优惠

课程详情

《推荐系统基础》

《推荐系统基础》

《推荐系统基础》

《推荐系统基础》

《推荐系统基础》

《推荐系统基础》

课程目录(30)

  • 1.1 课程简介.mp4 1.1 课程简介.mp4 视频
  • 1.2 推荐系统的演化过程.mp4 1.2 推荐系统的演化过程.mp4 视频
  • 1.3 推荐系统的技术演进.mp4 1.3 推荐系统的技术演进.mp4 视频
  • 1.4 推荐系统的核心产品问题.mp4 1.4 推荐系统的核心产品问题.mp4 视频
  • 2.1 课程学习方法.mp4 2.1 课程学习方法.mp4 视频
  • 2.2 机器学习的学习问题.mp4 2.2 机器学习的学习问题.mp4 视频
  • 2.3 假设集合.mp4 2.3 假设集合.mp4 视频
  • 2.4 VC维和Bias-Variance分解.mp4 2.4 VC维和Bias-Variance分解.mp4 视频
  • 2.5 Bias-Variance分解的推导过程.mp4 2.5 Bias-Variance分解的推导过程.mp4 视频
  • 2.6 交叉验证.mp4 2.6 交叉验证.mp4 视频
  • 2.7 损失函数和正则化.mp4 2.7 损失函数和正则化.mp4 视频
  • 2.8 最优化方法.mp4 2.8 最优化方法.mp4 视频
  • 2.9 贝叶斯决策理论.mp4 2.9 贝叶斯决策理论.mp4 视频
  • 2.10 总结:如何构建自己的知识脉络.mp4 2.10 总结:如何构建自己的知识脉络.mp4 视频
  • 3.1 基于User的协同过滤算法.mp4 3.1 基于User的协同过滤算法.mp4 视频
  • 3.2 基于Item的协同过滤算法.mp4 3.2 基于Item的协同过滤算法.mp4 视频
  • 3.3 物品相似度的算法实现.mp4 3.3 物品相似度的算法实现.mp4 视频
  • 3.4 协同过滤算法的变种.mp4 3.4 协同过滤算法的变种.mp4 视频
  • 3.5 间隔时效性优化.mp4 3.5 间隔时效性优化.mp4 视频
  • 3.6 反馈时效性优化.mp4 3.6 反馈时效性优化.mp4 视频
  • 3.7 随机游走算法.mp4 3.7 随机游走算法.mp4 视频
  • 3.8 图模型embeding算法.mp4 3.8 图模型embeding算法.mp4 视频
  • 4.1 推荐系统策略流程和核心问题.mp4 4.1 推荐系统策略流程和核心问题.mp4 视频
  • 4.2 词袋模型和向量空间模型.mp4 4.2 词袋模型和向量空间模型.mp4 视频
  • 4.3 词袋模型拓展:TF-IDF和N-gram、one hot id.mp4 4.3 词袋模型拓展:TF-IDF和N-gram、one hot id.mp4 视频
  • 4.4 隐语义模型(LSA).mp4 4.4 隐语义模型(LSA).mp4 视频
  • 4.5 概率隐语义模型(pLSA).mp4 4.5 概率隐语义模型(pLSA).mp4 视频
  • 4.6 生成式概率隐语义模型(LDA).mp4 4.6 生成式概率隐语义模型(LDA).mp4 视频
  • 4.7 LDA的应用实例.mp4 4.7 LDA的应用实例.mp4 视频
  • 4.8 神经网络模型.mp4 4.8 神经网络模型.mp4 视频