BAT大牛亲授--个性化推荐算法实战【2GB】--MKW
本帖最后由 yyzhi 于 2026-4-19 19:50 编辑下载地址：**** Hidden Message *****
【课程目录】
├─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-.mp4
│ 10-2 dnn网络结构与反向传播算法-.mp4
│ 10-3 wide and deep网络结构与数学原理介绍-.mp4
│ 10-4 .代码实战wd模型之wide侧与deep侧特征构建-.mp4
│ 10-5 代码实战wd模型之模型对象的构建-.mp4
│ 10-6 wd模型的训练与模型在测试数据集上的表现-.mp4
│
├─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-.mp4
│
├─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-.mp4
│
├─第1章 个性化推荐算法综述
│ 1-1 个性化推荐算法综述.mp4
│ 1-2 个性化召回算法综述.mp4
│
├─第2章 基于邻域的个性化召回算法LFM
│ 2-1 LFM算法综述.mp4
│ 2-2 LFM算法的理论基础与公式推导.mp4
│ 2-3 基础工具函数的代码书写.mp4
│ 2-4 LFM算法训练数据抽取.mp4
│ 2-5 LFM模型训练.mp4
│ 2-6 基于LFM的用户个性化推荐与推荐结果分析.mp4
│
├─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.mp4
│ 3-2 personal rank 算法的数学公式推导.mp4
│ 3-3 代码构建用户物品二分图.mp4
│ 3-4 代码实战personal rank算法的基础版本.mp4
│ 3-5 代码实战personal rank算法矩阵版本上.mp4
│ 3-6 代码实战personal rank算法的矩阵版本下 -1.mp4
│ 3-7 代码实战personal rank算法的矩阵版本下-2.mp4
│
├─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.mp4
│ 4-2 item2vec依赖模型word2vec之cbow数学原理介绍.mp4
│ 4-3 item2vec依赖模型word2vec之skip gram数学原理介绍.mp4
│ 4-4 代码生成item2vec模型所需训练数据.mp4
│ 4-5 word2vec运行参数介绍与item embedding.mp4
│ 4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理.mp4
│
├─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.mp4
│ 5-2 content based算法代码实战之工具函数的书写.mp4
│ 5-3 用户刻画与基于内容推荐的代码实战。.mp4
│
├─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。.mp4
│
├─第7章 综述学习排序
│ 7-1 学习排序综述.mp4
│
├─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.mp4
│ 8-10 LR模型训练之组合特征介绍.mp4
│ 8-2 逻辑回归模型的数学原理.mp4
│ 8-3 样本选择与特征选择相关知识.mp4
│ 8-4 代码实战LR之样本选择.mp4
│ 8-5 代码实战LR之离散特征处理.mp4
│ 8-6 代码实战LR之连续特征处理.mp4
│ 8-7 LR模型的训练.mp4
│ 8-8 LR模型在测试数据集上表现-上.mp4
│ 8-9 LR模型在测试数据集上表现-下.mp4
│
└─第9章 浅层排序模型gbdt
9-1 背景知识介绍之决策树.mp4
9-2 梯度提升树的数学原理与构建流程.mp4
9-3 xgboost数学原理介绍.mp4
9-4 gbdt与LR混合模型网络介绍.mp4
9-5 代码训练gbdt模型.mp4
9-6 gbdt模型最优参数选择.mp4
9-7 代码训练gbdt与LR混合模型.mp4
9-8 模型在测试数据集表现 上.mp4
9-9 模型在测试数据集表现 下.mp4
页:
[1]