51CTO 推荐系统实战系列
深度学习与推荐系统实战
编辑点评
系统讲解推荐系统原理与实战,涵盖深度学习应用,适合数据科学和AI领域学习者。
⭐ 编辑推荐
本系列课程深入浅出地解析推荐系统,结合深度学习技术,从环境配置到模型构建,全面覆盖推荐系统实战。
课程亮点
• 推荐系统原理与实践
• 深度学习在推荐中的应用
• 数据预处理与模型评估
课程目录
51CTO-推荐系统实战系列说明.png [493.5 KB] 55 环境配置与数据集介绍【】.mp4 [34.6 MB] 7 与深度学习的结合【】.mp4 [38.5 MB] 72 缺失值填充方法【】.mp4 [37.9 MB] 54 DNN模块与训练过程【】.mp4 [37.4 MB] 43 DeepFm整体架构解读【】.mp4 [14.5 MB] 30 数据库更改查询操作演示【】.mp4 [29.0 MB] 71 数据清洗概述【】.mp4 [53.1 MB] 1 课程简介【】.mp4 [52.8 MB] 13 目标函数简介【】.mp4 [11.8 MB] 50 一阶权重参数设计【】.mp4 [32.0 MB] 6 常用技术点分析【】.mp4 [21.5 MB] 81 得出推荐结果【】.mp4 [37.1 MB] 20 基于矩阵分解的音乐推荐【】.mp4 [85.7 MB] 26 Neo4j图数据库介绍【】.mp4 [47.4 MB] 58 模型测试集结果【】.mp4 [30.7 MB] 77 文本词频统计【】.mp4 [22.5 MB] 56 电影数据集预处理分析【】.mp4 [33.4 MB] 4 应用领域与多方位评估指标【】.mp4 [32.7 MB] 41 二阶公式推导与化简【】.mp4 [20.4 MB] 14 隐式情况分析【】.mp4 [13.7 MB] 32 kaggle电影数据集下载与配置【】.mp4 [42.9 MB] 49 Index与Value数据制作【】.mp4 [29.0 MB] 18 物品相似度计算与推荐【】.mp4 [73.8 MB] 46 数据集介绍与环境配置【】.mp4 [49.5 MB] 29 创建与删除操作演示【】.mp4 [26.7 MB] 47 广告点击数据预处理实例【】.mp4 [48.9 MB] 48 数据处理模块Embedding层【】.mp4 [32.1 MB] 38 CTR估计及其经典方法概述【】.mp4 [20.9 MB] 60 数据与环境配置介绍【】.mp4 [19.3 MB] 76 数据与任务介绍【】.mp4 [16.5 MB] 69 关键词云与直方图展示【】.mp4 [36.5 MB] 78 ngram结果可视化展示【】.mp4 [36.2 MB] 67 数据与环境配置【】.mp4 [61.9 MB] 2 推荐系统通俗解读【】.mp4 [21.0 MB] 25 数据获取分析【】.mp4 [37.5 MB] 42 FM算法解析【】.mp4 [20.0 MB] 24 金融与推荐领域的应用【】.mp4 [22.3 MB] 53 完成FM模块计算【】.mp4 [24.1 MB] 66 推荐结果分析【】.mp4 [31.8 MB] 36 图谱查询与匹配操作【】.mp4 [19.4 MB] 35 构建用户电影知识图谱【】.mp4 [52.6 MB] 31 知识图谱推荐系统效果演示【】.mp4 [23.2 MB] 61 数据科学相关数据介绍【】.mp4 [27.3 MB] 27 Neo4j数据库安装流程演示【】.mp4 [27.8 MB] 21 知识图谱通俗解读【】.mp4 [14.1 MB] 65 LDA主题模型效果演示【】.mp4 [45.1 MB] 8 协同过滤与矩阵分解简介【】.mp4 [11.3 MB] 44 输入层所需数据样例【】.mp4 [13.0 MB] 10 相似度计算与推荐实例【】.mp4 [15.2 MB] 3 推荐系统发展简介【】.mp4 [27.1 MB] 75 得出推荐结果【】.mp4 [53.7 MB] 39 高维特征带来的问题【】.mp4 [12.2 MB] 80 相似度计算【】.mp4 [31.8 MB] 73 推荐引擎构造【】.mp4 [47.7 MB] 74 数据特征构造【】.mp4 [38.3 MB] 59 评估指标概述【】.mp4 [57.8 MB] 16 音乐推荐任务概述【】.mp4 [69.4 MB] 64 矩阵分解演示【】.mp4 [19.3 MB] 68 数据与关键词信息【】.mp4 [47.8 MB] 9 基于用户与商品的协同过滤【】.mp4 [18.3 MB] 5 任务流程与挑战概述【】.mp4 [35.7 MB] 23 知识图谱在医疗领域应用实例【】.mp4 [53.1 MB] 34 项目所需环境配置安装【】.mp4 [45.6 MB] 33 图谱需求与任务流程解读【】.mp4 [27.0 MB] 19 SVD矩阵分解【】.mp4 [70.9 MB] 57 surprise工具包基本使用【】.mp4 [32.5 MB] 17 数据集整合【】.mp4 [50.7 MB] 52 特征组合方法实例分析【】.mp4 [46.9 MB] 28 可视化例子演示【】.mp4 [43.6 MB] 22 知识图谱在搜索引擎中的应用【】.mp4 [17.7 MB] 37 相似度计算与推荐引擎构建【】.mp4 [39.9 MB] 12 矩阵分解中的隐向量【】.mp4 [25.3 MB] 40 二项式特征的作用与挑战【】.mp4 [11.1 MB] 79 文本清洗【】.mp4 [24.2 MB] 45 Embedding层的作用与总结【】.mp4 [21.5 MB] 63 TFIDF构建特征矩阵【】.mp4 [14.4 MB] 51 二阶特征构建方法【】.mp4 [28.3 MB] 11 矩阵分解的目的与效果【】.mp4 [20.1 MB] 15 Embedding的作用【】.mp4 [10.7 MB] 70 特征可视化【】.mp4 [38.9 MB] 62 文本数据预处理【】.mp4 [24.6 MB]
适合人群
- 数据科学家
- AI工程师
- 机器学习爱好者
学习收获
掌握推荐系统基本原理
学会使用深度学习技术进行推荐
提升数据分析和模型构建能力
祝您学习愉快!
学有所成,前程似锦!






