收藏
本课程专为希望成为推荐系统工程师的学习者设计,涵盖从机器学习基础到高级推荐算法的全面内容。通过15周的密集训练,学员将掌握内容画像、用户画像、传统与深度匹配方法、经典排名算法、图嵌入技术、深度排名模型等核心技能。课程不仅提供丰富的理论知识,还包括多个企业级项目实战,帮助学员将所学知识应用于实际工作中。此外,课程还特别安排了项目总结、部署及职业规划、面试指导,确保学员能够在职场中脱颖而出。适合有志于进入推荐系统领域的技术人员及希望提升现有技能的专业人士。
以下云资源目录树快照生成于[11个月前],该学习资料由夸克云用户[心旷*怡的青蛙]分享(只展示大部分文件和目录)
推荐系统工程师实战:15周深度学习+企业级项目32.3GB(mp4视频93节;)
资料
Week 15:项目总结、部署
项目总结、部署以及职业规划、面试指导3.mp4380.18MB
项目总结、部署以及职业规划、面试指导2.mp4148.22MB
项目总结、部署以及职业规划、面试指导1.mp4336.14MB
Week 14:强化学习与推荐系统
强化学习与推荐系统-4.mp4178.41MB
强化学习与推荐系统-3.mp4255.91MB
强化学习与推荐系统-2.mp4393.59MB
强化学习与推荐系统-1.mp4385.5MB
Week 13:多目标与用户多兴趣
多目标与用户多兴趣-5.mp4199.03MB
多目标与用户多兴趣-4.mp4226.97MB
多目标与用户多兴趣-3.mp481.06MB
多目标与用户多兴趣-2.mp4296.11MB
多目标与用户多兴趣-1.mp4393.84MB
Week 12:热点文章实时召回
热点文章实时召回策略-5(204238).mp492.24MB
热点文章实时召回策略-4(204238).mp4182.15MB
热点文章实时召回策略-3(204238).mp4167.41MB
热点文章实时召回策略-2(204238).mp4246.52MB
热点文章实时召回策略-1(204238).mp4178.86MB
Week 11:重排序与多目标学习
review
Review-2.mp4505.21MB
Review-1.mp4197.15MB
lecture
lecture 工业界新闻推荐系统中的冷启动-5.mp4450.09MB
lecture 工业界新闻推荐系统中的冷启动-4.mp4280.04MB
lecture 工业界新闻推荐系统中的冷启动-3.mp483.87MB
lecture 工业界新闻推荐系统中的冷启动-2.mp4508.72MB
lecture 工业界新闻推荐系统中的冷启动-1.mp4331.88MB
Week 10:深度Ranking模型等多个文件
Week 10;深度Ranking模型
lecture4.mp4416.43MB
lecture3.mp4428.79MB
lecture2.mp4443.75MB
lecture1.mp4239.95MB
课程辅助内容3.mp4487.71MB
课程辅助内容2.mp4557.78MB
课程辅助内容1.mp4422.92MB
Week 9:引入sideinfo信息的图推荐、基于推理的图推荐
lecture3.mp4405.75MB
lecture2.mp4302.49MB
lecture1.mp4519.47MB
辅助内容.mp4350.66MB
Week 8: GraphEmbedding 大家族与用户行为构建
lecture1-5.mp4286.06MB
lecture1-4.mp4373.48MB
lecture1-3.mp4338.24MB
lecture1-2.mp4161.33MB
lecture1-1.mp4211.73MB
辅助内容.mp4408.93MB
Week 7:经典Ranking方法
ctr预估初探6.mp4206.45MB
ctr预估初探5.mp4152.86MB
ctr预估初探4.mp4349.45MB
ctr预估初探3.mp4175.37MB
ctr预估初探2.mp4197.16MB
ctr预估初探1.mp4266.99MB
Week 6:深度match方法
Week 6-6.2 课程辅助内容
2.f深度match方法.mp4476.75MB
1.f深度match方法.mp4382.16MB
Week 6-6.1深度match方法
4.深度match方法.mp4377.73MB
3.深度match方法.mp4438.02MB
2.深度match方法.mp4476.75MB
1.深度match方法.mp4380.92MB
Week 5:传统match方法
第 5 章:Week 5-5.2 课程辅助内容
2.NCF、GMF的实现.mp4515.81MB
1.NCF、GMF的实现.mp4423.29MB
第 5 章:Week 5-5.1传统match方法
4.传统match方法.mp4269.85MB
3.传统match方法.mp4578.79MB
2.传统match方法.mp4794.07MB
1.传统match方法.mp4662.39MB
Week 4:用户画 Week
4.2 课程辅助内容
2.Redis的搭建与使用.mp4497.34MB
1.Redis的搭建与使用.mp4815.87MB
4.1用户画像
4.用户画像与内容画像的关系、用途.mp4480.38MB
3.用户画像与内容画像的关系、用途.mp4471.89MB
2.用户画像与内容画像的关系、用途.mp4473.4MB
1.用户画像与内容画像的关系、用途.mp4573.51MB
Week 3:内容画像与用户画像
3.2 课程辅助内容
3.内容画像的抽取、构建实战1.mp4544.46MB
2.内容画像的抽取、构建实战1.mp4613.04MB
1.内容画像的抽取、构建实战1.mp4298.73MB
3.1内容画像与用户画像
5.nlp技术内容画像的抽取.mp4473.13MB
4.nlp技术内容画像的抽取.mp4377.12MB
3.nlp技术内容画像的抽取.mp4237.43MB
2.nlp技术内容画像的抽取.mp4553.68MB
1.nlp技术内容画像的抽取.mp4340.04MB
Week 2:推荐系统基础
Week 2-2.2 课程辅助内容
2.不同类别协同的实现与工程技巧.mp4475.47MB
1.不同类别协同的实现与工程技巧.mp4434.84MB
Week 2-2.1推荐系统基础
6.推荐架构与协同.mp4458.49MB
5.推荐架构与协同.mp4547.61MB
4.推荐架构与协同.mp4415.29MB
3.推荐架构与协同.mp4388.58MB
2.推荐架构与协同.mp4561.28MB
1.推荐架构与协同.mp4158.93MB
Week 1:机器学习基础
1.2 课程辅助内容
3.贝叶斯估计与频率派估计.mp4368.31MB
2.广义线性模型.mp4110.32MB
1.指数分布.mp4133.59MB
1.1 课程安排与项目介绍
9.常用优化算法.mp4307.25MB
8.正规化.mp4289.48MB
7.神经网络.mp4161.5MB
6.逻辑回归与梯度下降-3.mp4228.41MB
5.逻辑回归与梯度下降-2.mp4235MB
4.逻辑回归与梯度下降-1.mp4213.86MB
3.老师介绍.mp4158.17MB
2.课程概览.mp4343.9MB
1.开篇介绍.mp4353.62MB