个性化推荐算法实战(可用于毕设) BAT大牛亲授

结合多年项目实战经验,让你掌握一套完整的,能落地的个性化推荐算法体系。可用于毕设。

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
1-2个性化推荐算法综述
1-3个性化召回算法综述
第2章基于邻域的个性化召回算法LFM
2-1LFM算法综述
2-2LFM算法的理论基础与公式推导
2-3基础工具函数的代码书写
2-4LFM算法训练数据抽取
2-5LFM模型训练
2-6基于LFM的用户个性化推荐与推荐结果分析
第3章基于图的个性化推荐召回算法personal rank
3-1personal rank算法的背景与物理意义
3-2personal rank 算法的数学公式推导
3-3代码构建用户物品二分图
3-4代码实战personal rank算法的基础版本
3-5代码实战personal rank算法矩阵版本上
3-6代码实战personal rank算法的矩阵版本下 -1
3-7代码实战personal rank算法的矩阵版本下-2
第4章基于深度学习的个性化召回算法item2vec
4-1item2vec算法的背景与物理意义
4-2item2vec依赖模型word2vec之cbow数学原理介绍
4-3item2vec依赖模型word2vec之skip gram数学原理介绍
4-4代码生成item2vec模型所需训练数据
4-5word2vec运行参数介绍与item embedding
4-6基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理
第5章基于内容的推荐方法content based
5-1content based算法理论知识介绍
5-2content based算法代码实战之工具函数的书写
5-3用户刻画与基于内容推荐的代码实战。
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。
第7章综述学习排序
7-1学习排序综述
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
8-2逻辑回归模型的数学原理
8-3样本选择与特征选择相关知识
8-4代码实战LR之样本选择
8-5代码实战LR之离散特征处理
8-6代码实战LR之连续特征处理
8-7LR模型的训练
8-8LR模型在测试数据集上表现-上
8-9LR模型在测试数据集上表现-下
8-10LR模型训练之组合特征介绍
第9章浅层排序模型gbdt
9-1背景知识介绍之决策树
9-2梯度提升树的数学原理与构建流程
9-3xgboost数学原理介绍
9-4gbdt与LR混合模型网络介绍
9-5代码训练gbdt模型
9-6gbdt模型最优参数选择
9-7代码训练gbdt与LR混合模型
9-8模型在测试数据集表现 上
9-9模型在测试数据集表现 下
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
10-2DNN网络结构与反向传播算法
10-3wide and deep网络结构与数学原理介绍
10-4.代码实战wd模型之wide侧与deep侧特征构建
10-5代码实战wd模型之模型对象的构建
10-6wd模型的训练与模型在测试数据集上的表现
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
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

梦回资源网温馨提示:本资源来源于网友投稿,与本站无直接关系,如侵犯了您的权益,请联系站长删除!
梦回资源网 » 个性化推荐算法实战(可用于毕设) BAT大牛亲授

提供最优质的资源集合

立即查看 了解详情