推荐系统-小象学院-大数据推荐系统训练营

课程简介

课程来自于 推荐系统-小象学院-大数据推荐系统训练营

推荐系统是一个相当火热的研究方向，在工业界和学术界都得到了大家的广泛关注。希望通过此文，总结一些关于推荐系统领域相关的会议、知名学者，以及做科研常用的数据集、代码库等，一来算是对自己涉猎推荐系统领域的整理和总结，二来希望能够帮助想入门推荐系统的童鞋们提供一个参考，希望能够尽快上手推荐系统，进而更好更快的深入科研也好、工程也罢。

课程目录

项目就业视频

• PART1
• 课程总结.mp4
• 第1课时 L2阶段学习说明.mp4
• 第2课时 基本介绍.mp4
• 第3课时 推荐系统基础.mp4
• 第4课时 推荐系统公司级别的架构方法介绍(一).mp4
• 第5课时 推荐系统公司级别的架构方法介绍(二).mp4
• 第6课时 推荐系统公司级别的架构方法介绍(三).mp4
• 第7课时 推荐系统实践书籍导读.mp4
• 第8课时： 项目介绍与说明.mp4
• 第9、10课时： 京东购买预估第1种解决方案.mp4
• 第11、12课时： 京东购买预估第2种解决方案.mp4
• 第13、14课时： 京东购买预估第3种解决方案.mp4
• 第15课时： rossmann连锁商店销量预估解决方案.mp4
• 第16、17课时： 阿里口碑流量预测解决方案1.mp4
• 第18、19课时： 阿里口碑流量预测解决方案2.mp4
• 第20、21课时： 阿里口碑流量预测top方案PPT一览.mp4
• 第22课时： 推荐系统方法讲解.mp4
• 第23课时： 音乐推荐系统数据解析.mp4
• 第24课时： 基于surprise的歌单推荐系统.mp4
• 第25课时： 用户行为序列建模的推荐系统.mp4
• 第26课时： 电影推荐系统的构建（上）.mp4
• PART2
• 第27课时： 电影推荐系统的构建（下）.mp4
• 第28课时： 课程说明与wide_and_deep模型讲解.mp4
• 第29课时： wide_and_deep模型示例.mp4
• 第30课时： 使用wide_and_deep模型的youtube推荐系统.mp4
• 第31课时： 抖音短视频理解与推荐案例背景.mp4
• 第32课时 xDeepFM模型讲解.mp4
• 第33、34课时： 抖音推荐案例讲解.mp4
• 第35课时： 推荐项目说明.mp4

基础视频

• PART1
• README.txt
• 刀网地址发布页.url
• 1.3推荐系统的技术演进.mp4
• 1.4推荐系统的核心产品问题.mp4
• 1.1课程简介.mp4
• 1.2推荐系统的演化过程.mp4
• 2.6交叉验证.mp4
• 2.3假设集合.mp4
• 2.8最优化方法.mp4
• 2.7损失函数和正则化.mp4
• 2.9贝叶斯决策理论.mp4
• 2.1学习方法.mp4
• 2.4VC维和Bias.mp4
• 2.2机器学习的学习问题.mp4
• 2.10总结如何构建自己的知识脉络.mp4
• 2.5Bias.mp4
• 3.3物品相似度的算法实现.mp4
• 3.1基于User的协同过滤算法.mp4
• 3.7随机游走算法.mp4
• 3.2基于Item的协同过滤算法.mp4
• 3.6反馈时效性优化.mp4
• 3.4协同过滤算法的变种.mp4
• 3.5间隔时效性优化.mp4
• 3.8图模型embedding算法.mp4
• 4.2词袋模型和向量空间模型.mp4
• 4.7LDA的应用实例.mp4
• 4.1推荐系统策略流程和核心问题.mp4
• 4.8神经网络模型.mp4
• 4.5概率隐语义模型pLSA.mp4
• 4.3词袋模型的拓展TF.mp4
• 4.9行为数据文档化.mp4
• 4.10行为序列数据文档化和向量化.mp4
• 4.4隐语义模型LSA.mp4
• 4.6生成式概率隐语义模型LDA.mp4
• 5.1推荐系统中的用户画像.mp4
• 5.5用户兴趣模型的复杂方法.mp4
• 5.3物品侧画像.mp4
• 5.7用户兴趣模型的架构设计.mp4
• 5.2用户画像的价值准则.mp4
• 5.4用户兴趣模型的简单方法.mp4
• 5.6用户兴趣扩展.mp4
• 6.3模型效果评估.mp4
• 6.2常用模型介绍.mp4
• 6.4常用模型介绍.mp4
• 6.5模型效果评估.mp4
• 6.1问题分析与目标定义.mp4
• 6.6机器学习系统架构设计.mp4
• 7.3在线效果评测方法.mp4
• 7.2离线效果评测方法.mp4
• 7.4在线评测方法.mp4
• 7.1常用评测指标.mp4
• 7.5更好更快的在线系统.mp4

PART2

• PART2
• 7.7系统监控.mp4
• 7.6交叉实验.mp4
• 8.1多臂老虎机和EE问题.mp4
• 8.2多臂老虎机问题.mp4
• 8.7机器学习中的EE关系.mp4
• 8.8推荐系统中的EE思考.mp4
• 8.5汤普森采样.mp4
• 8.4UCB算法.mp4
• 8.3e贪心算法.mp4
• 8.6LinUCB.mp4
• 9.6从离线到在线.mp4
• 9.4在线层架构.mp4
• 9.1推荐系统架构设计.mp4
• 9.5系统架构演进原则.mp4
• 9.7基于DSL的系统架构设计.mp4
• 9.3离线层架构.mp4
• 9.2系统边界和外部依赖.mp4
• 10.1推荐系统的挑战以及前沿发展.mp4
• 10.6召回技术的局限性.mp4
• 10.4信息茧房.mp4
• 10.3相关性和因果性.mp4
• 10.7总结.mp4
• 10.2推荐结果显示.mp4
• 10.5转化率偏置问题.mp4
• 2.9贝叶斯决策理论[00-10-14][20230228-232012472].jpg
• 5.6用户兴趣扩展[00-07-58][20230228-231908807].jpg
• 8.8推荐系统中的EE思考[00-06-11][20230228-231828429].jpg
• 10.5转化率偏置问题[00-14-20][20230228-231838504].jpg
• 10.6召回技术的局限性[00-20-20][20230228-231844900].jpg
• 第22课时： 推荐系统方法讲解[00-37-57][20230228-23203509].jpg
• 第32课时 xDeepFM模型讲解[00-08-06][20230228-232044704].jpg
• 第32课时 xDeepFM模型讲解[00-17-32][20230228-232048880].jpg