- 资源介绍
第1章 课程介绍与学习指南
1-1 课程介绍及导学 (06:32)
1-2 怎么更好的使用慕课平台
1-3 你真的会问问题吗?
第2章 了解推荐系统的生态
2-1 本章重难点提点
2-2 推荐系统的关键元素和思维模式 (11:49)
2-3 推荐算法的主要分类 (14:07)
2-4 推荐系统常见的问题 (09:05)
2-5 推荐系统效果评测 (17:55)
第3章 给学习算法打基础
3-1 本章重点难点提点
3-2 推荐系统涉及的数学知识 (11:25)
3-3 推荐系统涉及的概率统计知识 (17:58)
第4章 详解协同过滤推荐算法原理
4-1 本章重点难点提点
4-2 本章作业 (04:17)
4-3 协同过滤的数学知识:最小二乘法 (15:01)
4-4 协同过滤的数学知识:梯度下降法 (23:55)
4-5 协同过滤的数学知识:余弦相似度 (14:09)
4-6 什么是user-based的协同过滤 (15:26)
4-7 基于Spark实现user-based协同过滤 (14:12)
4-8 什么是item-based协同过滤 (16:32)
4-9 基于Spark实现item-based协同过滤 (13:03)
4-10 基于模型的协同过滤 (04:49)
4-11 基于矩阵分解模型的两种算法:SVD和PMF (18:49)
4-12 缺失值填充 (24:39)
第5章 Spark内置推荐算法ALS原理
5-1 ALS 算法原理 (05:52)
5-2 ALS 算法在Spark上的实现 (18:51)
5-3 ALS 算法在 Spark 上的源码分析 (11:28)
第6章 推荐系统搭建——需求分析和环境搭建
6-1 本章重点难点提点
6-2 项目需求分析 技术分解 模块设计 (04:43)
6-3 开发环境搭建 (19:13)
6-4 环境问题 工具问题 版本问题 (05:44)
6-5 【实操手册】环境搭建文档 ( 完善版 )
第7章 推荐系统搭建——UI界面模块
7-1 VUE+ElementUI简单入门 (14:08)
7-2 用户访问页面实现 (11:48)
7-3 AB Test 控制台页面(上) (13:24)
7-4 AB Test 控制台页面(下) (13:23)
第8章 推荐系统搭建——数据层
8-1 数据上报(上) (18:07)
8-2 数据上报(下) (13:57)
8-3 日志清洗和格式化数据(上) (17:13)
8-4 日志清洗和格式化数据(中) (15:28)
8-5 日志清洗和格式化数据(下) (15:07)
8-6 分析用户行为和商品属性 (07:30)
第9章 推荐系统搭建——推荐引擎
9-1 基于用户行为构建评分矩阵 (09:52)
9-2 离线推荐:基于用户角度召回策略筛选候选集(上) (22:20)
9-3 离线推荐:基于用户角度召回策略筛选候选集(下) (21:57)
9-4 离线推荐:基于物品角度召回策略筛选候选集(上) (23:11)
9-5 离线推荐:基于物品角度召回策略筛选候选集(下) (21:55)
9-6 离线推荐:写特征向量到HBase (07:13)
9-7 离线推荐:基于模型的排序 (12:22)
9-8 实时推荐:Storm解析用户行为 (17:04)
9-9 实时推荐:通过FTRL更新特征权重-原理 (13:33)
9-10 实时推荐:通过FTRL更新特征权重-代码实现 (26:06)
9-11 离线推荐和实时推荐项目梳理 (12:07)
第10章 推荐系统搭建——推荐结果存储
10-1 数仓ODS和DWD层搭建 (09:23)
10-2 搭建用户行为日志数据仓库 (10:17)
10-3 利用外部分区表存储用户行为 (09:43)
第11章 推荐系统搭建——推荐效果评估模块
11-1 AB Test (05:12)
11-2 AB Test的分流管理 (06:26)
11-3 搭建AB Test 实验控制台(上) (18:01)
11-4 搭建AB Test 实验控制台(下) (11:57)
11-5 常用评测指标 (05:37)
第12章 知识拓展——基于关联规则的推荐算法
12-1 基于Apriori的关联算法 (07:17)
12-2 基于Spark实现Apriori算法(上) (18:24)
12-3 基于Spark实现Apriori算法(下) (21:52)
12-4 基于FP-Growth的关联算法 (13:09)
12-5 基于Spark实现FP-Growth算法 (13:26)
第13章 知识拓展——基于机器学习的推荐算法
13-1 RBM神经网络 (06:02)
13-2 CNN卷积神经网络 (08:41)
13-3 RNN循环神经网络 (11:34)
第14章 知识拓展——基于内容的推荐算法
14-1 文本向量化 (09:54)
14-2 基于Spark实现TF-IDF (16:29)
14-3 课程总结 (12:01)
猜你喜欢
-
Java异常与调优一站式解决方案
2022-12-18 -
前端到后台ThinkPHP开发整站
2022-11-10 -
跨平台混编框架MUI仿豆瓣电影APP
2022-11-17 -
前端框架及项目面试-聚焦Vue3/React/Webpack
2022-12-04 -
Java读源码之Netty深入剖析
2022-11-20 -
R语言从入门到实战
2023-11-26 -
FFmpeg第一季:小白开窍+九阳神功|完结无密
2023-11-15 -
Vue3.0+TS打造企业级组件库 前端中高级开发者必修课
2022-12-15 -
图灵-金三银四面试突击班
2024-03-18 -
Vue3+Typescript 前端两大火热技术 从理论到开发
2022-12-18
-
Python高级爬虫实战-系统掌握破解反爬技能 挑战高薪
2022-12-23 -
王桂林C++合集
2024-03-22 -
React16+React-Router4 打造企业级电商后台管理系统
2022-11-17 -
SpringCloud整合Dubbo3实战高并发微服务架构设计
2023-05-12 -
程序员理财课 Python量化交易系统实战
2022-12-18 -
Activiti7精讲&Java通用型工作流开发实战
2022-12-12 -
C/C++气象数据中心实战,手把手教你做工业级项目
2023-01-01 -
React.js入门基础与案例开发
2022-11-12 -
Python3.6+django+xadmin,打造在线教育平台
2022-11-12 -
Spring Cloud Alibaba 大型互联网领域多场景实践
2022-12-20
猜你在找
92资源站-IT学习网-每日更新 » 基于Spark2.x开发企业级个性化推荐系统
常见问题FAQ
- 视频加密吗?
- 无密,本站视频全部为超清无密MP4格式
- 怎么发货?
- 课程没更新完怎么办?
- 有问题怎么解决?