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

' B# {. q+ w6 S
/ a) S/ K, d) v( `& L课程目标：
' P3 [& p* y: J掌握推荐系统原理与工作方式，使用Python库进行建模。
2 ~9 g5 Z; \3 `
适用人群：
8 e1 [. d1 p3 a( G; R' t+ d- E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

课程简介：
6 [, j* W4 o( Y, n0 l2 o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。
) h8 n) g/ ?" r/ _8 \) ?
" F' \. p5 @! t: w. C0 B0 n# U" G课程目录：
第1章推荐系统工作原理
1-1系列课程概述
5 w' z: D0 P8 o0 m: X$ x$ w& m1-2推荐系统应用
0 e' v5 e/ Y  K; ^8 g' f8 `6 t1-3推荐系统要完成的任务
1-4相似度计算
$ @8 f) |4 J8 D, t1-5基于用户的协同过滤算法
2 A( v1 i! r& N) i1-6基于物品的协同过滤算法
2 e  Q3 v$ i7 E) N8 s& h- n1-7隐语义模型
1-8隐语义模型求解
1-9模型评估标准
第3章使用Surprise库建立推荐系统
3-1Surprise库简介
+ q2 G8 ~" n6 N/ N$ I3-2Surprise库使用方法
0 E' A" E2 L0 r7 C. C3 s3-3得出商品推荐结果
* V; @3 J4 r, _1 d4 A+ _8 m0 Y
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
; ]  E) C% U8 [/ D1 z( m4-3损失函数定义
  Y8 `% Z2 z1 |0 h5 {4-4训练网络

游客，如果您要查看本帖隐藏内容请回复

9 w" W# S9 b- P
1 A; \  A5 J9 H8 ^' l# b# |7 [

3 D9 j7 K1 H1 T8 F7 U7 E# a" q. a

m9128213

很棒的课程～～

杨文帅

很棒的课程～～