点播
课程时长 18小时06分钟
学习期限 12 个月 退款期限 30 天
市场价格 ￥399.00 会员价格 ￥319.00
难度级别 中级 学习人次 93 综合评分 4.1
- 详情
- 目录
- 套餐5
- 咨询11
- 评价18
第1章 个性化推荐算法综述
- 1-1 个性化推荐算法课程导学 试听26分钟48秒
- 1-2 个性化推荐算法综述 试听12分钟21秒
- 1-3 个性化召回算法综述 试听18分钟39秒
第2章 基于邻域的个性化召回算法LFM
- 2-1 LFM算法综述15分钟04秒
- 2-2 LFM算法的理论基础与公式推导21分钟49秒
- 2-3 基础工具函数的代码书写28分钟46秒
- 2-4 LFM算法训练数据抽取11分钟24秒
- 2-5 LFM模型训练18分钟54秒
- 2-6 基于LFM的用户个性化推荐与推荐结果分析28分钟23秒
第3章 基于图的个性化推荐召回算法personal rank
- 3-1 personal rank算法的背景与物理意义11分钟13秒
- 3-2 personal rank 算法的数学公式推导10分钟41秒
- 3-3 代码构建用户物品二分图26分钟07秒
- 3-4 代码实战personal rank算法的基础版本24分钟48秒
- 3-5 代码实战personal rank算法矩阵版本上10分钟01秒
- 3-6 代码实战personal rank算法的矩阵版本下 -116分钟32秒
- 3-7 代码实战personal rank算法的矩阵版本下-228分钟32秒
第4章 基于深度学习的个性化召回算法item2vec
- 4-1 item2vec算法的背景与物理意义15分钟39秒
- 4-2 item2vec依赖模型word2vec之cbow数学原理介绍24分钟09秒
- 4-3 item2vec依赖模型word2vec之skip gram数学原理介绍22分钟03秒
- 4-4 代码生成item2vec模型所需训练数据17分钟29秒
- 4-5 word2vec运行参数介绍与item embedding17分钟04秒
- 4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理16分钟12秒
第5章 基于内容的推荐方法content based
- 5-1 content based算法理论知识介绍26分钟04秒
- 5-2 content based算法代码实战之工具函数的书写21分钟23秒
- 5-3 用户刻画与基于内容推荐的代码实战。16分钟56秒
第6章 个性化召回算法总结与回顾
- 6-1 个性化召回算法总结与评估方法的介绍。19分钟20秒
第7章 综述学习排序
- 7-1 学习排序综述24分钟08秒
第8章 浅层排序模型逻辑回归
- 8-1 逻辑回归模型的背景知识介绍15分钟49秒
- 8-2 逻辑回归模型的数学原理25分钟18秒
- 8-3 样本选择与特征选择相关知识23分钟54秒
- 8-4 代码实战LR之样本选择20分钟12秒
- 8-5 代码实战LR之离散特征处理24分钟
- 8-6 代码实战LR之连续特征处理28分钟07秒
- 8-7 LR模型的训练23分钟11秒
- 8-8 LR模型在测试数据集上表现-上17分钟26秒
- 8-9 LR模型在测试数据集上表现-下24分钟42秒
- 8-10 LR模型训练之组合特征介绍16分钟49秒
第9章 浅层排序模型gbdt
- 9-1 背景知识介绍之决策树13分钟52秒
- 9-2 梯度提升树的数学原理与构建流程18分钟29秒
- 9-3 xgboost数学原理介绍15分钟16秒
- 9-4 gbdt与LR混合模型网络介绍25分钟20秒
- 9-5 代码训练gbdt模型20分钟24秒
- 9-6 gbdt模型最优参数选择24分钟08秒
- 9-7 代码训练gbdt与LR混合模型25分钟24秒
- 9-8 模型在测试数据集表现 上27分钟02秒
- 9-9 模型在测试数据集表现 下22分钟25秒
第10章 基于深度学习的排序模型wide and deep
- 10-1 背景知识介绍之什么是深度学习22分钟41秒
- 10-2 DNN网络结构与反向传播算法24分钟42秒
- 10-3 wide and deep网络结构与数学原理介绍18分钟51秒
- 10-4 .代码实战wd模型之wide侧与deep侧特征构建13分钟02秒
- 10-5 代码实战wd模型之模型对象的构建15分钟36秒
- 10-6 wd模型的训练与模型在测试数据集上的表现12分钟21秒
第11章 排序模型总结与回顾
- 11-1 学习排序部分总结与回顾15分钟51秒
第12章 本课程回顾与总结
- 12-1 个性化推荐算法实战课程总结与回顾21分钟05秒
授课教师
算法工程师