小象学院 大数据推荐系统训练营

基础视频

PART1

1.1课程简介.mp4 11.97M

1.2推荐系统的演化过程.mp4 23.44M

1.3推荐系统的技术演进.mp4 34.88M

1.4推荐系统的核心产品问题.mp4 23.08M

2.10总结如何构建自己的知识脉络.mp4 11.36M

2.1学习方法.mp4 9.96M

2.2机器学习的学习问题.mp4 31.05M

2.3假设集合.mp4 15.01M

2.4VC维和Bias.mp4 36.93M

2.5Bias.mp4 15.78M

2.6交叉验证.mp4 11.14M

2.7损失函数和正则化.mp4 20.02M

2.8最优化方法.mp4 17.95M

2.9贝叶斯决策理论.mp4 15.65M

3.1基于User的协同过滤算法.mp4 23.41M

3.2基于Item的协同过滤算法.mp4 19.32M

3.3物品相似度的算法实现.mp4 44.64M

3.4协同过滤算法的变种.mp4 19.72M

3.5间隔时效性优化.mp4 11.70M

3.6反馈时效性优化.mp4 26.85M

3.7随机游走算法.mp4 20.29M

3.8图模型embedding算法.mp4 31.27M

4.10行为序列数据文档化和向量化.mp4 13.38M

4.1推荐系统策略流程和核心问题.mp4 14.14M

4.2词袋模型和向量空间模型.mp4 21.54M

4.3词袋模型的拓展TF.mp4 29.52M

4.4隐语义模型LSA.mp4 33.52M

4.5概率隐语义模型pLSA.mp4 23.85M

4.6生成式概率隐语义模型LDA.mp4 17.34M

4.7LDA的应用实例.mp4 28.57M

4.8神经网络模型.mp4 28.46M

4.9行为数据文档化.mp4 17.24M

5.1推荐系统中的用户画像.mp4 17.74M

5.2用户画像的价值准则.mp4 16.19M

5.3物品侧画像.mp4 23.21M

5.4用户兴趣模型的简单方法.mp4 19.72M

5.5用户兴趣模型的复杂方法.mp4 16.92M

5.6用户兴趣扩展.mp4 17.13M

5.7用户兴趣模型的架构设计.mp4 14.61M

6.1问题分析与目标定义.mp4 26.94M

6.2常用模型介绍.mp4 18.38M

6.3模型效果评估.mp4 38.59M

6.4常用模型介绍.mp4 32.26M

6.5模型效果评估.mp4 19.58M

6.6机器学习系统架构设计.mp4 9.49M

7.1常用评测指标.mp4 47.62M

7.2离线效果评测方法.mp4 26.08M

7.3在线效果评测方法.mp4 35.07M

7.4在线评测方法.mp4 25.14M

7.5更好更快的在线系统.mp4 44.62M

PART2

PART2

项目就业视频

PART1

第11、12课时： 京东购买预估第2种解决方案.mp4 82.00M

第13、14课时： 京东购买预估第3种解决方案.mp4 242.17M

第15课时： rossmann连锁商店销量预估解决方案.mp4 210.62M

第16、17课时： 阿里口碑流量预测解决方案1.mp4 90.16M

第18、19课时： 阿里口碑流量预测解决方案2.mp4 130.03M

第1课时 L2阶段学习说明.mp4 29.56M

第20、21课时： 阿里口碑流量预测top方案PPT一览.mp4 54.91M

第22课时： 推荐系统方法讲解.mp4 143.17M

第23课时： 音乐推荐系统数据解析.mp4 91.63M

第24课时： 基于surprise的歌单推荐系统.mp4 101.71M

第25课时： 用户行为序列建模的推荐系统.mp4 49.76M

第26课时： 电影推荐系统的构建（上）.mp4 68.09M

第2课时 基本介绍.mp4 7.02M

第3课时 推荐系统基础.mp4 289.78M

第4课时 推荐系统公司级别的架构方法介绍(一).mp4 121.62M

第5课时 推荐系统公司级别的架构方法介绍(二).mp4 57.99M

第6课时 推荐系统公司级别的架构方法介绍(三).mp4 175.24M

第7课时 推荐系统实践书籍导读.mp4 84.62M

第8课时： 项目介绍与说明.mp4 12.80M

第9、10课时： 京东购买预估第1种解决方案.mp4 224.07M

课程总结.mp4 1.07M

PART2

第27课时： 电影推荐系统的构建（下）.mp4 115.38M

第28课时： 课程说明与wide_and_deep模型讲解.mp4 131.21M

第29课时： wide_and_deep模型示例.mp4 88.52M

第30课时： 使用wide_and_deep模型的youtube推荐系统.mp4 70.90M

第31课时： 抖音短视频理解与推荐案例背景.mp4 42.03M

第32课时 xDeepFM模型讲解.mp4 133.43M

第33、34课时： 抖音推荐案例讲解.mp4 208.25M

第35课时： 推荐项目说明.mp4 120.54M

10.5转化率偏置问题[00-14-20][20230228-231838504].jpg 160.18kb

10.6召回技术的局限性[00-20-20][20230228-231844900].jpg 119.71kb

2.9贝叶斯决策理论[00-10-14][20230228-232012472].jpg 81.01kb

5.6用户兴趣扩展[00-07-58][20230228-231908807].jpg 137.99kb

8.8推荐系统中的EE思考[00-06-11][20230228-231828429].jpg 181.04kb

第22课时： 推荐系统方法讲解[00-37-57][20230228-23203509].jpg 143.86kb

第32课时 xDeepFM模型讲解[00-08-06][20230228-232044704].jpg 107.47kb

第32课时 xDeepFM模型讲解[00-17-32][20230228-232048880].jpg 126.70kb