推薦系統-小象學院-大數據推薦系統訓練營資源簡介
課程來自于 推薦系統-小象學院-大數據推薦系統訓練營
推薦系統是一個相當火熱的研究方向，在工業界和學術界都得到了大家的廣泛關注。希望通過此文，總結一些關于推薦系統領域相關的會議、知名學者，以及做科研常用的數據集、代碼庫等，一來算是對自己涉獵推薦系統領域的整理和總結，二來希望能夠幫助想入門推薦系統的童鞋們提供一個參考，希望能夠盡快上手推薦系統，進而更好更快的深入科研也好、工程也罷。
文件目錄
項目就業視頻
PART1
課程總結.mp4
第1課時 L2階段學習說明.mp4
第2課時 基本介紹.mp4
第3課時 推薦系統基礎.mp4
第4課時 推薦系統公司級別的架構方法介紹(一).mp4
第5課時 推薦系統公司級別的架構方法介紹(二).mp4
第6課時 推薦系統公司級別的架構方法介紹(三).mp4
第7課時 推薦系統實踐書籍導讀.mp4
第8課時 項目介紹與說明.mp4
第9、10課時 京東購買預估第1種解決方案.mp4
第11、12課時 京東購買預估第2種解決方案.mp4
第13、14課時 京東購買預估第3種解決方案.mp4
第15課時 rossmann連鎖商店銷量預估解決方案.mp4
第16、17課時 阿里口碑流量預測解決方案1.mp4
第18、19課時 阿里口碑流量預測解決方案2.mp4
第20、21課時 阿里口碑流量預測top方案PPT一覽.mp4
第22課時 推薦系統方法講解.mp4
第23課時 音樂推薦系統數據解析.mp4
第24課時 基于surprise的歌單推薦系統.mp4
第25課時 用戶行為序列建模的推薦系統.mp4
第26課時 電影推薦系統的構建（上）.mp4
PART2
第27課時 電影推薦系統的構建（下）.mp4
第28課時 課程說明與wide_and_deep模型講解.mp4
第29課時 wide_and_deep模型示例.mp4
第30課時 使用wide_and_deep模型的youtube推薦系統.mp4
第31課時 抖音短視頻理解與推薦案例背景.mp4
第32課時 xDeepFM模型講解.mp4
第33、34課時 抖音推薦案例講解.mp4
第35課時 推薦項目說明.mp4
基礎視頻
PART1
README.txt
刀網地址發布頁.url
1.3推薦系統的技術演進.mp4
1.4推薦系統的核心產品問題.mp4
1.1課程簡介.mp4
1.2推薦系統的演化過程.mp4
2.6交叉驗證.mp4
2.3假設集合.mp4
2.8最優化方法.mp4
2.7損失函數和正則化.mp4
2.9貝葉斯決策理論.mp4
2.1學習方法.mp4
2.4VC維和Bias.mp4
2.2機器學習的學習問題.mp4
2.10總結如何構建自己的知識脈絡.mp4
2.5Bias.mp4
3.3物品相似度的算法實現.mp4
3.1基于User的協同過濾算法.mp4
3.7隨機游走算法.mp4
3.2基于Item的協同過濾算法.mp4
3.6反饋時效性優化.mp4
3.4協同過濾算法的變種.mp4
3.5間隔時效性優化.mp4
3.8圖模型embedding算法.mp4
4.2詞袋模型和向量空間模型.mp4
4.7LDA的應用實例.mp4
4.1推薦系統策略流程和核心問題.mp4
4.8神經網絡模型.mp4
4.5概率隱語義模型pLSA.mp4
4.3詞袋模型的拓展TF.mp4
4.9行為數據文檔化.mp4
4.10行為序列數據文檔化和向量化.mp4
4.4隱語義模型LSA.mp4
4.6生成式概率隱語義模型LDA.mp4
5.1推薦系統中的用戶畫像.mp4
5.5用戶興趣模型的復雜方法.mp4
5.3物品側畫像.mp4
5.7用戶興趣模型的架構設計.mp4
5.2用戶畫像的價值準則.mp4
5.4用戶興趣模型的簡單方法.mp4
5.6用戶興趣擴展.mp4
6.3模型效果評估.mp4
6.2常用模型介紹.mp4
6.4常用模型介紹.mp4
6.5模型效果評估.mp4
6.1問題分析與目標定義.mp4
6.6機器學習系統架構設計.mp4
7.3在線效果評測方法.mp4
7.2離線效果評測方法.mp4
7.4在線評測方法.mp4
7.1常用評測指標.mp4
7.5更好更快的在線系統.mp4
PART2
PART2
7.7系統監控.mp4
7.6交叉實驗.mp4
8.1多臂老虎機和EE問題.mp4
8.2多臂老虎機問題.mp4
8.7機器學習中的EE關系.mp4
8.8推薦系統中的EE思考.mp4
8.5湯普森采樣.mp4
8.4UCB算法.mp4
8.3e貪心算法.mp4
8.6LinUCB.mp4
9.6從離線到在線.mp4
9.4在線層架構.mp4
9.1推薦系統架構設計.mp4
9.5系統架構演進原則.mp4
9.7基于DSL的系統架構設計.mp4
9.3離線層架構.mp4
9.2系統邊界和外部依賴.mp4
10.1推薦系統的挑戰以及前沿發展.mp4
10.6召回技術的局限性.mp4
10.4信息繭房.mp4
10.3相關性和因果性.mp4
10.7總結.mp4
10.2推薦結果顯示.mp4
10.5轉化率偏置問題.mp4
2.9貝葉斯決策理論[00-10-14][20230228-232012472].jpg
5.6用戶興趣擴展[00-07-58][20230228-231908807].jpg
8.8推薦系統中的EE思考[00-06-11][20230228-231828429].jpg
10.5轉化率偏置問題[00-14-20][20230228-231838504].jpg
10.6召回技術的局限性[00-20-20][20230228-231844900].jpg
第22課時 推薦系統方法講解[00-37-57][20230228-23203509].jpg
第32課時 xDeepFM模型講解[00-08-06][20230228-232044704].jpg
第32課時 xDeepFM模型講解[00-17-32][20230228-232048880].jpg
