慕课：BAT大牛亲授-个性化推荐算法实战

说明

资料 [13.07M]

说明

personal_recommendation-master.zip [7.04M]

个性化推荐算法实战.rar [6.03M]

1-1 个性化推荐算法综述.mp4 [73.50M]

1-2 个性化召回算法综述.mp4 [46.49M]

2-1 lfm算法综述.mp4 [54.35M]

2-2 lfm算法的理论基础与公式推导.mp4 [78.02M]

2-3 基础工具函数的代码书写.mp4 [82.55M]

2-4 lfm算法训练数据抽取.mp4 [85.80M]

2-5 lfm模型训练.mp4 [106.20M]

2-6 基于lfm的用户个性化推荐与推荐结果分析.mp4 [78.06M]

3-1 personal rank算法的背景与物理意义.mp4 [71.32M]

3-2 personal rank 算法的数学公式推导.mp4 [49.45M]

3-3 代码构建用户物品二分图.mp4 [62.30M]

3-4 代码实战personal rank算法的基础版本.mp4 [127.74M]

3-5 代码实战personal rank算法矩阵版本上.mp4 [102.46M]

3-6 代码实战personal rank算法的矩阵版本下 -1.mp4 [14.06M]

3-7 代码实战personal rank算法的矩阵版本下-2.mp4 [64.18M]

4-1 item2vec算法的背景与物理意义.mp4 [81.24M]

4-2 item2vec依赖模型word2vec之cbow数学原理介绍.mp4 [88.10M]

4-3 item2vec依赖模型word2vec之skip gram数学原理介绍.mp4 [51.23M]

4-4 代码生成item2vec模型所需训练数据.mp4 [60.19M]

4-5 word2vec运行参数介绍与item embedding.mp4 [89.43M]

4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理.mp4 [94.68M]

5-1 content based算法理论知识介绍.mp4 [59.45M]

5-2 content based算法代码实战之工具函数的书写.mp4 [106.07M]

5-3 用户刻画与基于内容推荐的代码实战。.mp4 [106.90M]

6-1 个性化召回算法总结与评估方法的介绍。.mp4 [67.81M]

7-1 学习排序综述.mp4 [75.51M]

8-1 逻辑回归模型的背景知识介绍.mp4 [78.52M]

8-10 lr模型训练之组合特征介绍.mp4 [92.99M]

8-2 逻辑回归模型的数学原理.mp4 [72.45M]

8-3 样本选择与特征选择相关知识.mp4 [58.31M]

8-4 代码实战lr之样本选择.mp4 [65.76M]

8-5 代码实战lr之离散特征处理.mp4 [111.17M]

8-6 代码实战lr之连续特征处理.mp4 [84.88M]

8-7 lr模型的训练.mp4 [86.87M]

8-8 lr模型在测试数据集上表现-上.mp4 [109.52M]

8-9 lr模型在测试数据集上表现-下.mp4 [115.29M]

9-1 背景知识介绍之决策树.mp4 [83.49M]

9-2 梯度提升树的数学原理与构建流程.mp4 [83.79M]

9-3 xgboost数学原理介绍.mp4 [62.54M]

9-4 gbdt与lr混合模型网络介绍.mp4 [41.30M]

9-5 代码训练gbdt模型.mp4 [88.05M]

9-6 gbdt模型最优参数选择.mp4 [57.57M]

9-7 代码训练gbdt与lr混合模型.mp4 [106.88M]

9-8 模型在测试数据集表现 上.mp4 [130.42M]

9-9 模型在测试数据集表现 下.mp4 [45.22M]