推荐高级小班9 [提供答疑且就业服务,胜过几百个小课]

课程详情

课程详情

课程名称:推荐高级小班9

课程简介:本课程提供限免试听,涵盖推荐业务、feed流产品及推荐算法策略架构解析。同时,课程还涉及用户特征和Item特征的常用方法,帮助学员掌握BAT推荐系统和常用算法。

适合人群

  • 对推荐系统感兴趣的技术爱好者
  • 希望深入了解推荐算法和策略架构的技术人员
  • 有志于从事推荐系统相关工作的求职者

学习收获

  • 掌握推荐业务和feed流产品的相关知识
  • 了解用户特征和Item特征的常用方法
  • 熟悉BAT推荐系统和常用算法

课程亮点

  • 提供答疑和就业服务,助力学员解决实际问题
  • 小班授课,确保教学质量
  • 课程内容紧跟业界前沿,实用性强

课程目录

限免试听:推荐业务、feed流产品及推荐算法策略架构解析
  在线视频:从算法视角讲推荐:排序模型, y = model(user,item,context)
  在线视频:从算法视角讲推荐召回分支,key-value
  在线视频:从产品视角优化推荐,头条、快手、淘宝
  在线视频:移动电商推荐系统的特征工程与代码解析
限免试听:用户特征和Item特征的常用方法
  在线视频:item特征
  在线视频:用户特征
  在线视频:数据的存储和使用
  在线视频:Embedding
  在线视频:特征工程
预习阶段 掌握BAT推荐系统和常用算法
  在线视频:推荐业务、feed流产品及推荐算法策略架构解析
  在线视频:召回算法和业界最佳实践
  在线视频:搜索和推荐的matching技术
  在线实训:改进版协同过滤算法实战
第一阶段 业界前沿召回算法与特征工程
  开班宣讲
  在线视频:推荐业务、feed流产品及推荐算法策略架构解析
  在线视频:召回算法和业界最佳实践
  在线视频:搜索和推荐的matching技术
  在线实训:改进版协同过滤算法实战
  在线视频:用户建模(召回、排序都会用到)
  在线实训:倒排索引项目实战
  在线直播:召回算法进阶实战
  在线直播:用户特征和Item特征的常用方法
第二阶段 业界常用排序算法
  在线视频:排序算法&深度学习模型
  在线视频:Learn to Rank
  在线实训:谷歌wide&deep模型实战
  在线视频:商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序
  在线直播:CTR预估进阶实战(上)
  在线直播:CTR预估进阶实战(下)
第三阶段 在线学习与实时化计算
  在线视频:分布式机器学习系统及其在排序模型中的应用
  在线视频: 实时化技术升级
  在线实训 :Online Learning 最新算法实现
  在线视频:在线学习和相关技术
  在线直播:基于Flink和Scala的实时计算
  在线直播:单机和分布式深度学习TensorFlow实践
第四阶段 推荐系统最新技术
  在线视频:学术界最新算法在BAT的应用
  在线视频:掌握真实业务场景下的推荐算法
  在线直播:多目标与多任务学习
  在线直播:推荐与知识图谱的结合及序列化推荐算法
  在线直播:推荐系统最新技术、场景、方向解析
第五阶段 整体架构介绍与环境数据准备
  在线直播:项目1 商品购买预测的介绍与准备
  在线直播:项目2 文本推荐系统的介绍与准备
  在线直播:项目3 用户行为预测的介绍与准备
  在线直播:项目4 商品推荐系统的介绍与准备
第六阶段 特征工程与初步建模
  在线直播:项目1 商品购买预测的特征工程与建模
  在线直播:项目2 文本推荐系统的特征工程与建模
  在线直播:项目3 用户行为预测的特征工程与建模
  在线直播:项目4 商品推荐系统的特征工程与建模
第七阶段 模型的迭代与优化
  在线直播:项目1 商品购买预测的迭代与优化
  在线直播:项目2 文本推荐系统的迭代与优化
  在线直播:项目3 用户行为预测的迭代与优化
  在线直播:项目4 商品推荐系统的迭代与优化
第八阶段 模型的评估与上线
  在线直播:项目1 商品购买预测的评估与总结
  在线直播:项目2 文本推荐系统的评估与总结
  在线直播:项目3 用户行为预测的评估与总结
  在线直播:项目4 商品推荐系统的评估与总结
第九阶段 次项目的整体流程和核心技能点
  在线直播:项目5 游戏推荐系统的整体流程和核心技能点
  在线直播:项目6 猜你喜欢场景下的推荐系统整体流程和核心技能点
  在线直播:项目7 Netflix推荐竞赛整体流程和核心技能点
第十阶段 项目总结和就业辅导
  在线直播: 七大项目的总结与就业辅导
第十一阶段 面试辅导与内推
  1-内推包括且不限于互联网名企
  2-跟踪每一个学员的就业动态,辅导每一次面试遇到的问题