论坛元老
- 威望
- 30
- 贡献
- 65
- 热心值
- 0
- 金币
- 3237
- 注册时间
- 2020-8-31
|
课程介绍
推荐系统是电商和内容型app网站生存的重要手段，是以重新组织物品分类和聚类方式形成的人工智能系统。亚马逊的商品推荐、优酷的视频推荐，都是推荐系统的应用实例。每一个具体的应用场景中推荐系统表现形式有所不同，但是最终都是以增加内容、商品曝光度为前提的。
推荐系统根据每一个用户的行为和喜好，找到这个用户未来可能喜欢和购买的商品或者是物品。它使得内容、电商两大产业减少了大量的人工编辑推荐的工作，只需要用一些简单或者深入的算法，就可以达到很好的效果。
课程内容：
本课程包括推荐引擎、推荐算法、推荐环境三大版块，课程中会讲解在线教育、视频网站、电商购物、阅读网站四个领域的知识点和实战案例。崔立明老师会从零讲授成为推荐系统工程师的必备知识，通过带领大家制作实战项目，帮助学员实现个人转型，熟悉推荐系统。
课程目录
第1 章 ： 推荐引擎
第2 章 ： 推荐算法
第1 节 ： 推荐算法 -实现基础规则算法
课时19：推荐算法 -实现基础规则算法（1）
课时20：推荐算法 -实现基础规则算法（2）
课时21：推荐算法 -实现基础规则算法（3）
课时22：推荐算法 -实现基础规则算法（4）
第2 节 ： 推荐算法 -实现协同过滤UCF
课时23：推荐算法 -实现协同过滤UCF（1）
课时24：推荐算法 -实现协同过滤UCF（2）
课时25：推荐算法 -实现协同过滤UCF（3）
课时26：推荐算法 -实现协同过滤UCF（4）
第3 节 ： 推荐算法 - 实现协同过滤icf
课时27：推荐算法 - 实现协同过滤icf（1）
课时28：推荐算法 - 实现协同过滤icf（2）
课时29：推荐算法 - 实现协同过滤icf（1）
课时30：推荐算法 - 实现协同过滤icf（2）
第4 节 ： 推荐算法 - 实践课
课时31：推荐算法 - 实践课（1）
课时32：推荐算法 - 实践课（2）
课时33：推荐算法 - 实践课（3）
课时34：推荐算法 - 实践课（4）
第5 节 ： 推荐算法 - 实现关联规则
课时35：推荐算法 - 实现关联规则（1）
课时36：推荐算法 - 实现关联规则（2）
课时37：推荐算法 - 实现关联规则（3）
课时38：推荐算法 - 实现关联规则（4）
课时39：推荐算法 - 实现关联规则（5）
课时40：推荐算法 - 实现关联规则（6）
第6 节 ： 推荐算法 - 推荐综合
课时41：推荐算法 - 推荐综合（1）
课时42：推荐算法 - 推荐综合（2）
课时43：拼装推荐结果（1）
课时44：拼装推荐结果（2）
第3 章 ： 第三章：推荐环境（代码可在资料区进行下载）
第1 节 ： 推荐环境 - TensorFlow
课时45：推荐环境 - TensorFlow（1）
课时46：推荐环境 - TensorFlow（2）
课时47：推荐环境 - TensorFlow（3）
课时48：推荐环境 - TensorFlow（4）
课时49：推荐环境 - TensorFlow（5）
课时50：推荐环境 - TensorFlow（6）
课时51：推荐环境 - TensorFlow（7）
课时52：推荐环境 - TensorFlow（8）
课时53：推荐环境 - TensorFlow（9）
课时54：推荐环境 - TensorFlow（10）
|
|
发表于 2019-3-21 14:50
