相关资源
57-深度学习推荐系统实战
58-深度学习推荐系统实战
2-机器学习与大数据-推荐系统项目实战
【it课程】5CTO-推荐系统实战系列
【it课程】5CTO-推荐系统实战系列
522_深度学习入门与实战
522_深度学习入门与实战
深度学习计算机视觉实战
深度学习与TensorFlow 2入门实战
A034. Web安全之深度学习实战 (智能系统与技术丛书).B0785WMDP3().azw3
零基础入门实战深度学习Pytorch
A0297. TensorFlow：实战Google深度学习框架.B076DGNXP.azw3
零基础AI入门实战 (深度学习+Pytorch)
零基础入门实战深度学习Pytorch()等
8-深度学习-人脸识别项目实战
5-深度学习-图像识别项目实战
《深度学习》花书训练营【第二期】-推荐人:Ratatoskdeces【5.08GB】
【深度之眼】统计学习方法
深度学习
深度学习
- 1
- 2
- 3
- 4
- 5
- 6
- 50
57-深度学习推荐系统实战
资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2025-03-28)
资源投诉
57-深度学习推荐系统实战831.72 MB09-结束语 (2讲)23.39 MB
34丨结束语丨深度学习时代需要什么样的推荐工程师？.m4a10.73 MB
35丨期末考试丨“深度学习推荐系统”分试卷等你来挑战！.pdf1.40 MB34丨结束语丨深度学习时代需要什么样的推荐工程师？.pdf3.64 MB
35丨期末考试丨“深度学习推荐系统”分试卷等你来挑战！.html2.42 MB34丨结束语丨深度学习时代需要什么样的推荐工程师？.html5.21 MB08-前沿拓展篇 (6讲)123.44 MB33丨技术权衡：解决方案这么多，哪个最合适？.m4a11.53 MB32丨强化学习案例：美团是如何在推荐系统中落地强化学习的？.m4a9.59 MB3丨模型迭代：阿里巴巴是如何迭代更新推荐模型的？.m4a9.43 MB30丨流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.m4a9.17 MB29丨图神经网络：Pinterest是如何应用图神经网络的？.m4a10.74 MB28丨业界经典：YouTube深度学习推荐系统的经典架构长什么样？.m4a12.21 MB33丨技术权衡：解决方案这么多，哪个最合适？.pdf3.68 MB32丨强化学习案例：美团是如何在推荐系统中落地强化学习的？.pdf2.76 MB3丨模型迭代：阿里巴巴是如何迭代更新推荐模型的？.pdf5.67 MB30丨流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.pdf3.28 MB29丨图神经网络：Pinterest是如何应用图神经网络的？.pdf6.33 MB28丨业界经典：YouTube深度学习推荐系统的经典架构长什么样？.pdf3.13 MB33丨技术权衡：解决方案这么多，哪个最合适？.html5.83 MB32丨强化学习案例：美团是如何在推荐系统中落地强化学习的？.html3.73 MB3丨模型迭代：阿里巴巴是如何迭代更新推荐模型的？.html9.10 MB30丨流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.html4.51 MB29丨图神经网络：Pinterest是如何应用图神经网络的？.html8.13 MB28丨业界经典：YouTube深度学习推荐系统的经典架构长什么样？.html4.62 MB07-模型评估篇 (5讲)87.56 MB特别加餐丨TensorFlow的模型离线评估实践怎么做？.m4a6.71 MB27丨评估体系：如何解决AB测试资源紧张的窘境？.m4a11.00 MB26丨在线测试：如何在推荐服务器内部实现AB测试？.m4a10.99 MB25丨评估指标：我们可以用哪些指标来衡量模型的好坏？.m4a14.23 MB24丨离线评估：常用的推荐系统离线评估方法有哪些？.m4a9.22 MB特别加餐丨TensorFlow的模型离线评估实践怎么做？.pdf1.98 MB27丨评估体系：如何解决AB测试资源紧张的窘境？.pdf4.28 MB26丨在线测试：如何在推荐服务器内部实现AB测试？.pdf2.69 MB25丨评估指标：我们可以用哪些指标来衡量模型的好坏？.pdf3.15 MB24丨离线评估：常用的推荐系统离线评估方法有哪些？.pdf2.25 MB特别加餐丨TensorFlow的模型离线评估实践怎么做？.html3.61 MB27丨评估体系：如何解决AB测试资源紧张的窘境？.html5.64 MB26丨在线测试：如何在推荐服务器内部实现AB测试？.html3.98 MB25丨评估指标：我们可以用哪些指标来衡量模型的好坏？.html4.55 MB24丨离线评估：常用的推荐系统离线评估方法有哪些？.html3.28 MB06-推荐模型篇 (2讲)229.73 MB特别加餐丨“银弹”不可靠，最优的模型结构该怎么找？.m4a9.74 MB模型实战准备（二）丨模型特征、训练样本的处理.m4a10.30 MB模型实战准备（一）丨 TensorFlow入门和环境配置.m4a9.86 MB23丨实战：如何用深度学习模型实现SparrowRecSys的个性化推荐功能？.m4a10.38 MB22丨强化学习：让推荐系统像智能机器人一样自主学习.m4a11.05 MB2丨注意力机制、兴趣演化：推荐系统如何抓住用户的心？.m4a11.50 MB20丨DeepFM：如何让你的模型更好地处理特征交叉？.m4a9.21 MB9丨NeuralCF：如何用深度学习改造协同过滤？.m4a8.67 MB8丨Wide&Deep：怎样让你的模型既有想象力又有记忆力？.m4a9.28 MB7丨Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.m4a11.14 MB6丨 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.m4a10.87 MB5丨 协同过滤：最经典的推荐模型，我们应该掌握什么？.m4a9.96 MB特别加餐 _ “银弹”不可靠，最优的模型结构该怎么找？.pdf1.26 MB模型实战准备（二） _ 模型特征、训练样本的处理.pdf4.78 MB模型实战准备（一）丨 TensorFlow入门和环境配置.pdf3.55 MB23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？.pdf8.19 MB22｜强化学习：让推荐系统像智能机器人一样自主学习.pdf4.43 MB2｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.pdf3.79 MB20 _ DeepFM：如何让你的模型更好地处理特征交叉？.pdf3.16 MB9｜NeuralCF：如何用深度学习改造协同过滤？.pdf2.81 MB8｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.pdf2.37 MB7 _ Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.pdf3.51 MB6丨 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.pdf4.10 MB5丨 协同过滤：最经典的推荐模型，我们应该掌握什么？.pdf3.43 MB特别加餐 _ “银弹”不可靠，最优的模型结构该怎么找？.html2.17 MB模型实战准备（二） _ 模型特征、训练样本的处理.html6.94 MB模型实战准备（一）丨 TensorFlow入门和环境配置.html5.36 MB23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？.html7.39 MB22｜强化学习：让推荐系统像智能机器人一样自主学习.html6.48 MB2｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.html5.47 MB20 _ DeepFM：如何让你的模型更好地处理特征交叉？.html4.49 MB9｜NeuralCF：如何用深度学习改造协同过滤？.html4.12 MB8｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.html3.55 MB7 _ Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？.html5.08 MB6丨 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.html5.86 MB5丨 协同过滤：最经典的推荐模型，我们应该掌握什么？.html5.48 MB05-线上服务篇 (7讲)142.50 MB答疑丨 线上服务篇留言问题详解.m4a9.64 MB4丨 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.m4a11.04 MB3丨 模型服务：怎样把你的离线模型部署到线上？.m4a11.78 MB2丨 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.m4a11.47 MB｜召回层：如何快速又准确地筛选掉不相关物品？.m4a8.46 MB0｜存储模块：如何用Redis解决推荐系统特征的存储问题？.m4a9.70 MB09｜线上服务：如何在线上提供高并发的推荐服务？.m4a9.88 MB答疑丨 线上服务篇留言问题详解.pdf3.68 MB4丨 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.pdf10.03 MB3丨 模型服务：怎样把你的离线模型部署到线上？.pdf3.76 MB2丨 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.pdf3.66 MB｜召回层：如何快速又准确地筛选掉不相关物品？.pdf2.54 MB0｜存储模块：如何用Redis解决推荐系统特征的存储问题？.pdf3.63 MB09｜线上服务：如何在线上提供高并发的推荐服务？.pdf2.34 MB答疑丨 线上服务篇留言问题详解.html3.77 MB4丨 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？.html13.51 MB3丨 模型服务：怎样把你的离线模型部署到线上？.html5.27 MB2丨 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.html5.38 MB｜召回层：如何快速又准确地筛选掉不相关物品？.html3.54 MB0｜存储模块：如何用Redis解决推荐系统特征的存储问题？.html5.60 MB09｜线上服务：如何在线上提供高并发的推荐服务？.html3.79 MB04-特征工程篇 (6讲)111.73 MB答疑丨基础架构篇+特征工程篇常见问题解答.m4a9.63 MB08｜Embedding实战：如何使用Spark生成Item2vec和GraphEmbedding？.m4a8.39 MB07｜Embedding进阶：如何利用图结构数据生成GraphEmbedding？.m4a12.18 MB06｜Embedding：所有人都在谈的Embedding技术到底是什么？.m4a11.96 MB05｜特征处理：如何利用Spark解决特征处理问题？.m4a10.94 MB04｜特征工程：推荐系统有哪些可供利用的特征？.m4a11.10 MB答疑丨基础架构篇+特征工程篇常见问题解答.pdf1.15 MB08｜Embedding实战：如何使用Spark生成Item2vec和GraphEmbedding？.pdf3.90 MB07｜Embedding进阶：如何利用图结构数据生成GraphEmbedding？.pdf4.18 MB06｜Embedding：所有人都在谈的Embedding技术到底是什么？.pdf3.63 MB05｜特征处理：如何利用Spark解决特征处理问题？.pdf2.45 MB04｜特征工程：推荐系统有哪些可供利用的特征？.pdf2.89 MB答疑丨基础架构篇+特征工程篇常见问题解答.html2.12 MB08｜Embedding实战：如何使用Spark生成Item2vec和GraphEmbedding？.html6.07 MB07｜Embedding进阶：如何利用图结构数据生成GraphEmbedding？.html6.44 MB06｜Embedding：所有人都在谈的Embedding技术到底是什么？.html6.19 MB05｜特征处理：如何利用Spark解决特征处理问题？.html3.93 MB04｜特征工程：推荐系统有哪些可供利用的特征？.html4.59 MB03-国庆策划 (2讲)15.96 MB国庆策划丨深度学习推荐系统基础，你掌握了多少？.m4a590.34 KB国庆策划丨关于深度学习推荐系统，我有这些资料想推荐给你.m4a5.82 MB国庆策划丨深度学习推荐系统基础，你掌握了多少？.pdf1.16 MB国庆策划丨关于深度学习推荐系统，我有这些资料想推荐给你.pdf2.47 MB国庆策划丨深度学习推荐系统基础，你掌握了多少？.html2.20 MB国庆策划丨关于深度学习推荐系统，我有这些资料想推荐给你.html3.73 MB02-基础架构篇 (3讲)81.47 MB03｜深度学习基础：你打牢深度学习知识的地基了吗？.m4a11.50 MB02｜SparrowRecSys：我们要实现什么样的推荐系统？.m4a9.09 MB0｜深度学习推荐系统的经典技术架构长啥样？.m4a11.68 MB03｜深度学习基础：你打牢深度学习知识的地基了吗？.pdf2.57 MB02｜SparrowRecSys：我们要实现什么样的推荐系统？.pdf17.25 MB0｜深度学习推荐系统的经典技术架构长啥样？.pdf3.80 MB03｜深度学习基础：你打牢深度学习知识的地基了吗？.html3.94 MB02｜SparrowRecSys：我们要实现什么样的推荐系统？.html17.05 MB0｜深度学习推荐系统的经典技术架构长啥样？.html4.58 MB0-开篇词 (讲)15.92 MB开篇词｜从0开始搭建一个深度学习推荐系统.m4a9.65 MB开篇词｜从0开始搭建一个深度学习推荐系统.pdf2.78 MB开篇词｜从0开始搭建一个深度学习推荐系统.html3.48 MB1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容
2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成
3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责
4、搜索结果中的广告及推广内容不代表本站推荐或担保
5、所有内容获取/呈现均通过自动化程序完成，无人工干预
下载提示