小象学院推荐系统训练营-价值

发布时间：2025-02-02

发布者：

淡墨书笺

文件大小：共计102个文件，合计:4.75 GB

资源金币：4.99 金币

资源来源：百度网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源介绍

《小象学院推荐系统训练营-价值》是一套全面深入推荐系统领域的视频教程，涵盖了从基础理论到实际应用的全方位内容。课程内容包括推荐系统的基础知识、架构设计、算法原理，以及就业指导和项目实战等。通过学习，您将掌握推荐系统的核心技术和行业最佳实践，提升自己在互联网行业的竞争力。

教程详细讲解了推荐系统中的用户画像、物品侧画像、协同过滤、机器学习模型、在线系统监控、交叉实验等关键环节，并配合实际案例，如抖音推荐、YuTub推荐系统等，让您能够将理论知识应用到实际工作中。

适合人群：对推荐系统感兴趣、希望从事相关工作的学习者和从业者。

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2025-02-02)

资源投诉

小象学院推荐系统训练营-价值

项目就业视频2.99 GB

第9、0课时：京东购买预估第种解决方案_dec_ev.mp4224.02 MB

第8课时：项目介绍与说明_dec_ev.mp415.78 MB

第7课时推荐系统实践书籍导读_dec_ev.mp483.49 MB

第6课时推荐系统公司级别的架构方法介绍(三)_dec_ev.mp4175.19 MB

第5课时推荐系统公司级别的架构方法介绍(二)_dec_ev.mp457.94 MB

第4课时推荐系统公司级别的架构方法介绍(一)_dec_ev.mp4121.58 MB

第3课时推荐系统基础_dec_ev.mp4289.74 MB

第35课时：推荐项目说明_dec_ev.mp4120.50 MB

第33、34课时：抖音推荐案例讲解_dec_ev.mp4208.21 MB

第32课时 xDeepFM模型讲解_dec_ev.mp491.79 MB

第3课时：抖音短视频理解与推荐案例背景_dec_ev.mp425.60 MB

第30课时：使用wide_and_deep模型的youtube推荐系统_dec_ev.mp470.85 MB

第2课时基本介绍_dec_ev.mp48.54 MB

第29课时： wide_and_deep模型示例_dec_ev.mp488.48 MB

第28课时：课程说明与wide_and_deep模型讲解_dec_ev.mp473.59 MB

第27课时：电影推荐系统的构建（下）_dec_ev.mp4115.33 MB

第26课时：电影推荐系统的构建（上）_dec_ev.mp468.05 MB

第25课时：用户行为序列建模的推荐系统_dec_ev.mp449.72 MB

第24课时：基于surprise的歌单推荐系统_dec_ev.mp4101.66 MB

第23课时：音乐推荐系统数据解析_dec_ev.mp491.59 MB

第22课时：推荐系统方法讲解_dec_ev.mp4143.12 MB

第20、2课时：阿里口碑流量预测top方案PPT一览_dec_ev.mp454.87 MB

第课时 L2阶段学习说明_dec_ev.mp429.52 MB

第8、9课时：阿里口碑流量预测解决方案2_dec_ev.mp4129.99 MB

第6、7课时：阿里口碑流量预测解决方案_dec_ev.mp490.12 MB

第5课时： rossmann连锁商店销量预估解决方案_dec_ev.mp4210.57 MB

第3、4课时：京东购买预估第3种解决方案_dec_ev.mp4242.12 MB

第、2课时：京东购买预估第2种解决方案_dec_ev.mp481.95 MB

基础视频1.18 GB

9.7基于DSL的系统架构设计.mp434.67 MB

9.6从离线到在线.mp427.26 MB

9.5系统架构演进原则.mp421.07 MB

9.4在线层架构.mp432.39 MB

9.3离线层架构.mp435.86 MB

9.2系统边界和外部依赖.mp430.93 MB

9.推荐系统架构设计.mp416.22 MB

8.8推荐系统中的EE思考.mp416.89 MB

8.7机器学习中的EE关系.mp414.14 MB

8.6LinUCB.mp418.93 MB

8.5汤普森采样.mp415.61 MB

8.4UCB算法.mp439.40 MB

8.3e贪心算法.mp422.32 MB

8.2多臂老虎机问题.mp427.86 MB

8.多臂老虎机和EE问题.mp423.03 MB

7.7系统监控.mp419.45 MB

7.6交叉实验.mp430.39 MB

7.5更好更快的在线系统.mp444.58 MB

7.4在线评测方法.mp425.09 MB

7.3在线效果评测方法.mp435.02 MB

7.2离线效果评测方法.mp426.03 MB

7.常用评测指标.mp447.57 MB

6.6机器学习系统架构设计.mp49.45 MB

6.5模型效果评估.mp419.53 MB

6.4常用模型介绍.mp432.21 MB

6.3模型效果评估.mp438.54 MB

6.2常用模型介绍.mp418.34 MB

6.问题分析与目标定义.mp426.90 MB

5.7用户兴趣模型的架构设计.mp414.56 MB

5.6用户兴趣扩展.mp417.08 MB

5.5用户兴趣模型的复杂方法.mp416.88 MB

5.4用户兴趣模型的简单方法.mp419.68 MB

5.3物品侧画像.mp423.17 MB

5.2用户画像的价值准则.mp416.14 MB

5.推荐系统中的用户画像.mp417.70 MB

4.9行为数据文档化.mp417.20 MB

4.8神经网络模型.mp428.42 MB

4.7LDA的应用实例.mp428.53 MB

4.6生成式概率隐语义模型LDA.mp417.30 MB

4.5概率隐语义模型pLSA.mp423.80 MB

4.4隐语义模型LSA.mp433.47 MB

4.3词袋模型的拓展TF.mp429.47 MB

4.2词袋模型和向量空间模型.mp421.50 MB

4.推荐系统策略流程和核心问题.mp414.09 MB

4.0行为序列数据文档化和向量化.mp413.33 MB

3.8图模型embedding算法.mp431.22 MB

3.7随机游走算法.mp420.24 MB

3.6反馈时效性优化.mp426.80 MB

3.5间隔时效性优化.mp411.65 MB

3.4协同过滤算法的变种.mp419.67 MB

1、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