全局视角系统学习《推荐系统》，实战中提升竞争力
课程目标 -->从0到1搭建通用推荐系统，掌握核心算法和技术
在实战中解决具体问题，让知识真正落地
系统
掌握推荐系统架构
广泛使用的模型
高复杂度的项目
全栈知识体系
完整业务流程
熟练
运用常用框架和工具
Spark：海量数据提取
TensorFlow：搭建深度学习模型
Kafka：收集用户行为反馈
Flask：项目微服务框架
深度
拆解核心推荐系统算法
经典的协同过滤算法
最热门的深度学习算法
基于item2vec的特征工程
使用LSH进行最近邻查找
全面
覆盖实践问题和前沿技术
新系统的冷启动问题
增强推荐系统的实时性
利用AB测试对系统进行评估
课程亮点 -->
真正把控全局，获得完整的项目经验
项目架构→模型搭建→数据处理→业务呈现
从项目架构、模型搭建到数据处理，真正把控全局
获得完整的项目经验 -->
推荐系统模块架构
从项目架构、模型搭建到数据处理，真正把控全局
获得完整的项目经验 -->
推荐系统数据流图
真正把控全局，获得完整的项目经验 -->
项目架构→模型搭建→数据处理→业务呈现 -->
推荐系统业务流程图
-->
-->
-->
兼具深度与广度，覆盖实用算法和模型
拓宽视野的同时提升技术硬实力
遵循真实业务流程，实战微服务模块化项目
代码和方案可二次复用
课程大纲 -->
第1章【前言】初探推荐系统
本章中，将对课程内容安排和知识脉络进行介绍，帮助大家对推荐系统及应用价值有一个系统的认知。
第2章【基础架构】推荐系统架构&项目搭建
本章我们将一起来认识经典推荐系统的分层架构，了解一个推荐系统由哪些组件构成，以及各自的作用；我们会一起用python搭建起课程项目的基本框架，并尝试端到端地运行起整个项目。
第3章【特征工程】为推荐系统准备数据
俗话说“巧妇难为无米之炊”，特征处理在任何推荐系统中都是至关重要的。本章中我们会一起学习不同特征的特点以及如何使用Spark对其进行处理。
第4章【召回】筛选出用户的心头好
召回层作为推荐系统的第一道筛选流程，负责将数以百万记的物品进行过滤。在本章中我们会学习怎么设计各种召回策略，以及利用Embedding等技术快速找到匹配用户喜好的物品。
第5章【排序】对推荐结果进行精确排序
在一次推荐请求中，用户最终浏览到的结果条目往往十分有限，因此我们需要排序层来对召回的结果进行精确排序，从而提高推荐效果。本章我们会学习如何使用深度学习模型完成排序任务。
查看完整目录
专属服务
-->
每个IT资源网课程，都是一个专业的技术社区
个性化增值服务，学习有保障更高效
答疑专区+技术社区
连百度谷歌都搜不到的问题，在这里讲
师都将耐心详细解答，更有小伙伴一起
交流互动，共同进步。
课程全套代码下载
提供课程全套源代码下载，包含：
全套组件封装镜像、私有仓库、各个服
务的镜像、项目源代码。
独家“动态”教辅材料
丰富的专属教辅资料上传更新，通过课程
教案、原理图解、技术文档、演示案例等
各种教材，保障你的学习效果。
实用图文资料
部分简单内容以图文形式呈现，与视频
相配合，既保障学习效果，又提高了学
习效率。
页:
[1]