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

7 z4 T3 b( ]- A
课程目标：
/ ]. d4 z& c/ ?/ F2 B掌握推荐系统原理与工作方式，使用Python库进行建模。

2 H) E, |% B" R7 y: t' B适用人群：
% v6 K( D& a* P& s8 x* }. h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
7 I; M! K4 s6 U; t, r
) R* z- Z4 u* r' d4 k) I课程简介：
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。
7 j+ x9 X$ X% N, B4 u& N0 q$ A
+ t7 k4 H( g- r1 l. z课程目录：
第1章推荐系统工作原理
0 F- n3 {9 h2 B0 [/ m1-1系列课程概述
2 T. Q  X" h( \( M0 a0 r% [  }& h1-2推荐系统应用
& t- m  h! x) D; y! v; A. d1-3推荐系统要完成的任务
1-4相似度计算
# ?+ c4 ]2 T: I, _& ?4 A3 i1-5基于用户的协同过滤算法
1-6基于物品的协同过滤算法
$ E1 h' e; e* Y* r' l. [1-7隐语义模型
1-8隐语义模型求解
! R0 Q/ X6 u5 M1-9模型评估标准
第3章使用Surprise库建立推荐系统
3-1Surprise库简介
3-2Surprise库使用方法
3-3得出商品推荐结果
8 M( q8 y2 j: p2 a* p! L4 I
5 o( u1 g1 j: Z, X4 u! ~2 p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
' ]  H& E8 `0 t/ {4-2模型架构
( B5 y' J# a, ^# o5 X* p4-3损失函数定义
* j8 o; o7 Y$ Q- j" \* |7 ^( n3 o4-4训练网络

游客，如果您要查看本帖隐藏内容请回复

" W; m0 ^* {8 j# U2 q


- J' f/ p: a8 o# o6 }$ h

m9128213

很棒的课程～～

杨文帅

很棒的课程～～