|
|
本帖最后由 冰点也疯狂 于 2020-2-26 14:02 编辑
6 W4 Z) j4 J8 P8 c2 n# H! L1 }7 g7 M' v3 ] X' P
课程目标：
7 i; C+ L* {' {: ?# a# D2 @; G' W掌握推荐系统原理与工作方式，使用Python库进行建模。
; C8 p% s* D" R* _" d6 K
* O9 x) r- u5 w! h, ~, o9 h7 a* a适用人群：
' K& o" {8 A; t1 j! x# j( f* J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
" d+ F" k1 }$ t, s6 h3 S* J- t- f4 |! m
课程简介：
" E1 P4 D$ b& q0 E" k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。) z) T* s, S% _. x/ ^" t
; P5 t/ ]5 T9 B, U$ _5 S. z课程目录：
/ W* R0 y2 [" F2 H) U; k* Z# @第1章推荐系统工作原理: M& b0 y* g1 M1 g( A7 b2 S4 n
1-1系列课程概述
# ?/ S4 g \% W9 x- u S# Y% B5 e1-2推荐系统应用* P! {- r" U- A! B1 t
1-3推荐系统要完成的任务
3 w( K0 B+ V7 r2 h1-4相似度计算1 q* n! \* Q! d' p1 s
1-5基于用户的协同过滤算法2 L( Y; b& r- o) l9 v* O
1-6基于物品的协同过滤算法
1 Q8 |7 M/ O5 S* ^0 ?1-7隐语义模型* r: R7 r: a3 o2 i) v
1-8隐语义模型求解
" B9 [7 J4 K: y; Q5 v) o1-9模型评估标准' {: H& J/ H/ _5 I
第3章使用Surprise库建立推荐系统
! e0 z1 L! r/ e4 ]7 I& G m3-1Surprise库简介
4 R; C6 _; V' W. j3-2Surprise库使用方法3 U) ^0 [+ G. c4 y2 i) \ k
3-3得出商品推荐结果# t- ^& X' Q1 l6 H& M
+ w& `8 `' Z+ n. J, a* k第4章使用Tensorflow构造隐语义模型
; V. u! u4 }. R7 }/ S4 `, E( u8 m8 v4-1使用Tensorflow构造隐语义模型' e8 j( a2 R# F' q) h
4-2模型架构2 n! p& N" M! e" \5 ~+ D
4-3损失函数定义
* b5 Q$ ~4 s) ]! S4-4训练网络& @: q/ j% i1 i
& h# h0 D* G, f, L, [" C! n% V$ n! _# T
9 e, G6 o5 ]* c" r/ A% ]
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有账号？立即注册
×
|
/1 
|小黑屋|Archiver|手机版|一路学IT论坛 专业视频教程网站
窥视卡
雷达卡
发表于 2019-4-25 00:07:39
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
显身卡
发表于 2019-7-19 02:23:30