51CTO-推薦系統實戰系列
本課程由趣資料網站（m.fun-affair.com）收集整理
資源簡介：
資源大小：2.55 GB
課程目錄
1 課程簡介.mp4
2 推薦系統通俗解讀.mp4
3 推薦系統發展簡介.mp4
4 應用領域與多方位評估指標.mp4
5 任務流程與挑戰概述.mp4
6 常用技術點分析.mp4
7 與深度學習的結合.mp4
8 協同過濾與矩陣分解簡介.mp4
9 基于用戶與商品的協同過濾.mp4
10 相似度計算與推薦實例.mp4
11 矩陣分解的目的與效果.mp4
12 矩陣分解中的隱向量.mp4
13 目標函數簡介.mp4
14 隱式情況分析.mp4
15 Embedding的作用.mp4
16 音樂推薦任務概述.mp4
17 數據集整合.mp4
18 物品相似度計算與推薦.mp4
19 SVD矩陣分解.mp4
20 基于矩陣分解的音樂推薦.mp4
21 知識圖譜通俗解讀.mp4
22 知識圖譜在搜索引擎中的應用.mp4
23 知識圖譜在醫療領域應用實例.mp4
24 金融與推薦領域的應用.mp4
25 數據獲取分析.mp4
26 Neo4j圖數據庫介紹.mp4
27 Neo4j數據庫安裝流程演示.mp4
28 可視化例子演示.mp4
29 創建與刪除操作演示.mp4
30 數據庫更改查詢操作演示.mp4
31 知識圖譜推薦系統效果演示.mp4
32 kaggle電影數據集下載與配置.mp4
33 圖譜需求與任務流程解讀.mp4
34 項目所需環境配置安裝.mp4
35 構建用戶電影知識圖譜.mp4
36 圖譜查詢與匹配操作.mp4
37 相似度計算與推薦引擎構建.mp4
38 CTR估計及其經典方法概述.mp4
39 高維特征帶來的問題.mp4
40 二項式特征的作用與挑戰.mp4
41 二階公式推導與化簡.mp4
42 FM算法解析.mp4
43 DeepFm整體架構解讀.mp4
44 輸入層所需數據樣例.mp4
45 Embedding層的作用與總結.mp4
46 數據集介紹與環境配置.mp4
47 廣告點擊數據預處理實例.mp4
48 數據處理模塊Embedding層.mp4
49 Index與Value數據制作.mp4
50 一階權重參數設計.mp4
51 二階特征構建方法.mp4
52 特征組合方法實例分析.mp4
53 完成FM模塊計算.mp4
54 DNN模塊與訓練過程.mp4
55 環境配置與數據集介紹.mp4
56 電影數據集預處理分析.mp4
57 surprise工具包基本使用.mp4
58 模型測試集結果.mp4
59 評估指標概述.mp4
60 數據與環境配置介紹.mp4
61 數據科學相關數據介紹.mp4
62 文本數據預處理.mp4
63 TFIDF構建特征矩陣.mp4
64 矩陣分解演示.mp4
65 LDA主題模型效果演示.mp4
66 推薦結果分析.mp4
67 數據與環境配置.mp4
68 數據與關鍵詞信息.mp4
69 關鍵詞云與直方圖展示.mp4
70 特征可視化.mp4
71 數據清洗概述.mp4
72 缺失值填充方法.mp4
73 推薦引擎構造.mp4
74 數據特征構造.mp4
75 得出推薦結果.mp4
76 數據與任務介紹.mp4
77 文本詞頻統計.mp4
78 ngram結果可視化展示.mp4
79 文本清洗.mp4
80 相似度計算.mp4
81 得出推薦結果.mp4
獲取資源請下滑頁面查看
51CTO-推薦系統實戰系列
