唐宇迪 机器学习-推荐系统实战视频课程【16课时】

冰点也疯狂

课程目标：
- ^% ^! I: `# O+ Q6 ^2 U掌握推荐系统原理与工作方式，使用Python库进行建模。

+ w# h7 C8 ?: U* Z/ p2 ^) p适用人群：
4 M( s; c3 y( I机器学习，数据领域工作以及要转向人工智能方向的同学们
" I! _: O6 B3 A
! g6 ]& b0 D* F5 ^; V8 `2 h" L" u课程简介：
3 g) k" J2 S$ T; C, o$ q课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。
& {( d( e1 {2 w- w9 G
课程目录：
7 L7 ^7 T; S' m* |/ [+ }第1章推荐系统工作原理
1-1系列课程概述
0 E9 \6 `) E" m9 L  g  ?3 b1-2推荐系统应用
2 x  k0 j+ k* }* s5 {; q1-3推荐系统要完成的任务
1-4相似度计算
1-5基于用户的协同过滤算法
1-6基于物品的协同过滤算法
1-7隐语义模型
1-8隐语义模型求解
" x( k" R$ W- k9 e# E, C6 b& C0 G  D$ b1-9模型评估标准
8 |  c& z; v+ Z- I0 y% z第3章使用Surprise库建立推荐系统
: q5 k2 h  u9 J& c: n8 b7 {3-1Surprise库简介
1 D3 l* g# }1 u. S3-2Surprise库使用方法
4 G/ r8 F' {# h- y3-3得出商品推荐结果
: |3 Q5 K8 H9 @0 z4 t$ G, [6 a
" y2 `) o9 |6 W2 V8 g& i第4章使用Tensorflow构造隐语义模型
4-1使用Tensorflow构造隐语义模型
4-2模型架构
8 ]# F- u/ L7 F! P4-3损失函数定义
& p! G' L- \! O! J4-4训练网络

游客，如果您要查看本帖隐藏内容请回复

+ x! `9 J" M* q& |$ _) g+ H
) A# k( O1 d2 Y$ h

' P7 p4 U* v( q1 _# ^* \

m9128213

很棒的课程～～

杨文帅

很棒的课程～～