66套java从入门到精通实战课程领取
帖子信息
深度学习推荐系统实战 课程 下载
文君   分享于  2021-12-14   查看次数: 137 次   所需:1 积分
0

深度学习推荐系统实战 课程 下载


目录:

开篇词|从0开始搭建一个深度学习推荐系统

01:深度学习推荐系统的经典技术架构长啥样?

02:SparrowRecSys:我们要实现什么样的推荐系统?

03:深度学习基础:你打牢深度学习知识的地基了吗?

国庆策划:关于深度学习推荐系统,我有这些资料想推荐给你

国庆策划:深度学习推荐系统基础,你掌握了多少?

04:特征工程:推荐系统有哪些可供利用的特征?

05:特征处理:如何利用Spark解决特征处理问题?

06:Embedding:所有人都在谈的Embedding技术到底是什么?

07:Embedding进阶:如何利用图结构数据生成GraphEmbedding?

08:Embedding实战:如何使用Spark生成Item2vec和GraphEmbedding?

答疑:基础架构篇+特征工程篇常见问题解答

09:线上服务:如何在线上提供高并发的推荐服务?

10:存储模块:如何用Redis解决推荐系统特征的存储问题?

11:召回层:如何快速又准确地筛选掉不相关物品?

12:局部敏感哈希:如何在常数时间内搜索Embedding最近邻?

13:模型服务:怎样把你的离线模型部署到线上?

14:融会贯通:SparrowRecSys中的电影相似推荐功能是如何实现的?

答疑:线上服务篇留言问题详解

15:协同过滤:最经典的推荐模型,我们应该掌握什么?

16:深度学习革命:深度学习推荐模型发展的整体脉络是怎样的?

17:Embedding+MLP:如何用TensorFlow实现经典的深度学习模型?

18:Wide&Deep:怎样让你的模型既有想象力又有记忆力?

19:NeuralCF:如何用深度学习改造协同过滤?

20: DeepFM:如何让你的模型更好地处理特征交叉?

21:注意力机制、兴趣演化:推荐系统如何抓住用户的心?

22:强化学习:让推荐系统像智能机器人一样自主学习

23:实战:如何用深度学习模型实现Sparrow RecSys的个性化推荐功能?

模型实战准备(一)丨 TensorFlow入门和环境配置

模型实战准备(二) _ 模型特征、训练样本的处理

特别加餐 _ “银弹”不可靠,最优的模型结构该怎么找?

24:离线评估:常用的推荐系统离线评估方法有哪些?

25:评估指标:我们可以用哪些指标来衡量模型的好坏?

26:在线测试:如何在推荐服务器内部实现AB测试?

27:评估体系:如何解决AB测试资源紧张的窘境?

特别加餐:TensorFlow的模型离线评估实践怎么做?

28:业界经典:YouTube深度学习推荐系统的经典架构长什么样?

29:图神经网络:Pinterest是如何应用图神经网络的?

30:流处理平台:Flink是如何快速识别用户兴趣,实现实时推荐的?

31:模型迭代:阿里巴巴是如何迭代更新推荐模型的?

32:强化学习案例:美团是如何在推荐系统中落地强化学习的?

33:技术权衡:解决方案这么多,哪个最合适?

34:结束语丨深度学习时代需要什么样的推荐工程师?

35:期末考试丨“深度学习推荐系统”100分试卷等你来挑战!

评论信息  共0条
相关资源
热门资源
Powered by Java1234  |  免责申明   |  侵权举报
Copyright © 2012-2023 Java知识分享网 版权所有