深度学习推荐系统实战

课程清单

开篇词 从0开始搭建一个深度学习推荐系统.mp3

开篇词 从0开始搭建一个深度学习推荐系统.pdf

01 深度学习推荐系统的经典技术架构长啥样？.mp3

01 深度学习推荐系统的经典技术架构长啥样？.pdf

02 Sparrow RecSys：我们要实现什么样的推荐系统？.mp3

02 Sparrow RecSys：我们要实现什么样的推荐系统？.pdf

03 深度学习基础：你打牢深度学习知识的地基了吗？.mp3

03 深度学习基础：你打牢深度学习知识的地基了吗？.pdf

04 特征工程：推荐系统有哪些可供利用的特征？.mp3

04 特征工程：推荐系统有哪些可供利用的特征？.pdf

05 特征处理：如何利用Spark解决特征处理问题？.mp3

05 特征处理：如何利用Spark解决特征处理问题？.pdf

06 Embedding：所有人都在谈的Embedding技术到底是什么？.mp3

06 Embedding：所有人都在谈的Embedding技术到底是什么？.pdf

07 Embedding进阶：如何利用图结构数据生成Graph Embedding？.mp3

07 Embedding进阶：如何利用图结构数据生成Graph Embedding？.pdf

08 Embedding实战：如何使用Spark生成Item2vec和Graph Embedding？.pdf

08.mp3

09 线上服务：如何在线上提供高并发的推荐服务？.mp3

09 线上服务：如何在线上提供高并发的推荐服务？.pdf

10 存储模块：如何用Redis解决推荐系统特征的存储问题？.mp3

10 存储模块：如何用Redis解决推荐系统特征的存储问题？f.pdf

11 召回层：如何快速又准确地筛选掉不相关物品？.pdf

11｜召回层：如何快速又准确地筛选掉不相关物品？.mp3

12 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.mp3

12 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.pdf

13 模型服务：怎样把你的离线模型部署到线上？.mp3

13 模型服务：怎样把你的离线模型部署到线上？.pdf

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

14 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.mp3

15 协同过滤：最经典的推荐模型，我们应该掌握什么？.mp3

15 协同过滤：最经典的推荐模型，我们应该掌握什么？.pdf

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？.mp3

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？.pdf

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

17 Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.mp3

18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.mp3

18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.pdf

19｜NeuralCF：如何用深度学习改造协同过滤？.mp3

19｜NeuralCF：如何用深度学习改造协同过滤？.pdf

20 DeepFM：如何让你的模型更好地处理特征交叉？.mp3

20 DeepFM：如何让你的模型更好地处理特征交叉？.pdf

21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.mp3

21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.pdf

22｜强化学习：让推荐系统像智能机器人一样自主学习.mp3

22｜强化学习：让推荐系统像智能机器人一样自主学习.pdf

23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？.mp3

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

24 离线评估：常用的推荐系统离线评估方法有哪些？.pdf

24 离线评估：常用的推荐系统离线评估方法有哪些？.mp3

25 评估指标：我们可以用哪些指标来衡量模型的好坏？.pdf

25 评估指标：我们可以用哪些指标来衡量模型的好坏？.mp3

模型实战准备（二） 模型特征、训练样本的处理.mp3

模型实战准备（二） 模型特征、训练样本的处理.pdf

模型实战准备（一） TensorFlow入门和环境配置.pdf

模型实战准备（一） TensorFlow入门和环境配置.mp3

特别加餐｜TensorFlow的模型离线评估实践怎么做？.mp3

特别加餐｜TensorFlow的模型离线评估实践怎么做？.pdf