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

$ U% T+ B3 e9 M
- O" p6 R# X( h' U3 s& g" ^2 K* Q课程目标：
掌握推荐系统原理与工作方式，使用Python库进行建模。
2 a5 E* n* s$ k% V
适用人群：
7 t% g( H+ ]3 `: K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：
$ S5 s* _) S# f/ N# d7 ?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。
: n, h  d! e% h* N6 s) \! u) \
, G: Y1 U8 g/ F+ `8 ?# ^课程目录：
第1章推荐系统工作原理
1-1系列课程概述
; P+ u5 K& y7 `5 ?1-2推荐系统应用
1-3推荐系统要完成的任务
9 ?& v0 s, B" W8 ^1-4相似度计算
1-5基于用户的协同过滤算法
. M8 M9 J9 |" [4 M1-6基于物品的协同过滤算法
1-7隐语义模型
3 B% l& f+ L: d1 G" A9 ^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
' A, R, \  Y7 d, `  R3 j% C) \3-1Surprise库简介
  w* W; d9 \- w$ L3-2Surprise库使用方法
3-3得出商品推荐结果
( D6 r, `3 \* S' Q% V* o8 {4 L% i  }
5 {4 a: J3 J9 R2 k; S+ n+ z第4章使用Tensorflow构造隐语义模型
/ @& f0 D& G8 t, E% U- D+ f4-1使用Tensorflow构造隐语义模型
4-2模型架构
4-3损失函数定义
: s, P0 Q, A! E$ }) i/ y3 C4-4训练网络

游客，如果您要查看本帖隐藏内容请回复

) Z& X8 y5 E, \& H
0 \! Z, F* K1 a4 L3 W5 o

m9128213

很棒的课程～～

杨文帅

很棒的课程～～