极客专栏-手把手带你搭建推荐系统2023

文章介绍
课程目录:
课程分为七个章节:架构篇、数据篇、召回篇:基于规则的召回、服务搭建篇、召回篇:经典召回算法、排序篇和部署篇。

架构篇

为你提供了解推荐系统概念和功能宏观视角。以 Netflix 系统为例,带你推荐系统的工作原理,展示推荐系统的运作流程和优化策略,从而让你对推荐系统的实践应用有一个整体认识。

数据篇

深入探讨推荐系统所依赖的数据处理流程。先学习爬虫和数据库的原理和使用方法,然后从新闻网站中爬取数据,将它们作为我们的原始数据集。接下来,使用 NLP、Python 等技术对数据进行简单的特征工程处理,形成内容画像系统。

召回篇:基于规则的召回

利用数据篇得到的数据,进行一些基于规则的召回。在讲解什么是召回、为什么需要召回以及召回的种类的同时,深入研究召回对于推荐系统的影响,以及如何选择最优的召回策略。

服务搭建篇

将数据拼装后,绑定到界面进行内容推荐。本章将为你提供一个简单的推荐系统 Web 界面,带领你在这个界面的基础上调用 Flask 提供的 webservice 接口,完成内容推荐。

召回篇:经典召回算法

深入探讨包括协同过滤、基于 Embedding 的召回以及基于深度学习的召回等一系列经典召回算法,针对这些算法做不同的特征处理,并将它们与数据库、数据集结合起来。

排序篇

讲解经典排序算法,包括 GBDT、LR、DeepFM、重排序等,充分利用现有数据,与上一章的推荐系统流程结合,用真实案例加深你对这些算法特点及适用场景的理解。

部署篇

带你使用 TensorFlow Serving 来进行服务的部署和搭建,完成一个真正的企业级推荐系统。此外,还会对推荐系统进行一个整体的回顾,带你从全局视角来观察企业级推荐系统如何在线上运作。

【资源目录】:

├──01|推荐系统:我们应该怎样学习推荐系统?.md 14.73kb
├──01|推荐系统:我们应该怎样学习推荐系统?.mp3 15.29M
├──01|推荐系统:我们应该怎样学习推荐系统?.pdf 3.45M
├──02|Netflix推荐系统:企业级的推荐系统架构是怎样的?.md 12.41kb
├──02|Netflix推荐系统:企业级的推荐系统架构是怎样的?.mp3 13.10M
├──02|Netflix推荐系统:企业级的推荐系统架构是怎样的?.pdf 3.08M
├──03|数据处理:我们应该如何获取和处理数据?.md 9.40kb
├──03|数据处理:我们应该如何获取和处理数据?.mp3 10.00M
├──03|数据处理:我们应该如何获取和处理数据?.pdf 1.67M
├──04|MongoDB:如何安装和使用MongoDB数据库?.md 11.83kb
├──04|MongoDB:如何安装和使用MongoDB数据库?.mp3 11.13M
├──04|MongoDB:如何安装和使用MongoDB数据库?.pdf 3.22M
├──05|Redis:如何安装和使用Redis数据库?.md 8.37kb
├──05|Redis:如何安装和使用Redis数据库?.mp3 8.53M
├──05|Redis:如何安装和使用Redis数据库?.pdf 2.17M
├──06|网络爬虫:爬取一个网站的流程是怎样的?.md 10.43kb
├──06|网络爬虫:爬取一个网站的流程是怎样的?.mp3 10.90M
├──06|网络爬虫:爬取一个网站的流程是怎样的?.pdf 3.64M
├──07|数据获取:什么是Scrapy框架?.md 15.22kb
├──07|数据获取:什么是Scrapy框架?.mp3 14.01M
├──07|数据获取:什么是Scrapy框架?.pdf 5.69M
├──08|数据获取:如何使用Scrapy框架爬取新闻数据?.md 20.09kb
├──08|数据获取:如何使用Scrapy框架爬取新闻数据?.mp3 14.20M
├──08|数据获取:如何使用Scrapy框架爬取新闻数据?.pdf 12.65M
├──09|数据存储:如何将爬取到的数据存入数据库中?.md 15.93kb
├──09|数据存储:如何将爬取到的数据存入数据库中?.mp3 11.64M
├──09|数据存储:如何将爬取到的数据存入数据库中?.pdf 4.04M
├──10|数据加工:如何将原始数据做成内容画像?.md 17.75kb
├──10|数据加工:如何将原始数据做成内容画像?.mp3 15.03M
├──10|数据加工:如何将原始数据做成内容画像?.pdf 3.73M
├──11|基于规则的召回:如何使用规则找到用户的兴趣点?.md 8.20kb
├──11|基于规则的召回:如何使用规则找到用户的兴趣点?.mp3 8.21M
├──11|基于规则的召回:如何使用规则找到用户的兴趣点?.pdf 2.36M
├──12|基于热度的召回:如何使用热门内容来吸引用户?.md 10.34kb
├──12|基于热度的召回:如何使用热门内容来吸引用户?.mp3 10.09M
├──12|基于热度的召回:如何使用热门内容来吸引用户?.pdf 2.70M
├──13|基于关键词的召回:如何使用关键词吸引用户?.md 17.69kb
├──13|基于关键词的召回:如何使用关键词吸引用户?.mp3 14.58M
├──13|基于关键词的召回:如何使用关键词吸引用户?.pdf 2.38M
├──14|基于Flask的推荐服务:搭建基础的Flask服务.md 13.48kb
├──14|基于Flask的推荐服务:搭建基础的Flask服务.mp3 12.31M
├──14|基于Flask的推荐服务:搭建基础的Flask服务.pdf 2.55M
├──15|基于Flask的推荐服务:如何把召回集推荐出去?.md 18.83kb
├──15|基于Flask的推荐服务:如何把召回集推荐出去?.mp3 14.27M
├──15|基于Flask的推荐服务:如何把召回集推荐出去?.pdf 2.86M
├──16|基础用户画像:如何用好用户的注册信息?.md 18.29kb
├──16|基础用户画像:如何用好用户的注册信息?.mp3 15.76M
├──16|基础用户画像:如何用好用户的注册信息?.pdf 4.12M
├──17|推荐系统前端:如何用一个界面展示我们的成果?.md 15.21kb
├──17|推荐系统前端:如何用一个界面展示我们的成果?.mp3 11.83M
├──17|推荐系统前端:如何用一个界面展示我们的成果?.pdf 3.70M
├──18|一个简单的推荐服务闭环包括哪些模块?.md 10.02kb
├──18|一个简单的推荐服务闭环包括哪些模块?.mp3 10.98M
├──18|一个简单的推荐服务闭环包括哪些模块?.pdf 2.35M
├──19|协同过滤:召回算法中永远不落幕的经典.md 18.38kb
├──19|协同过滤:召回算法中永远不落幕的经典.mp3 17.16M
├──19|协同过滤:召回算法中永远不落幕的经典.pdf 1.99M
├──20|Embedding:深入挖掘用户底层特征.md 13.47kb
├──20|Embedding:深入挖掘用户底层特征.mp3 15.10M
├──20|Embedding:深入挖掘用户底层特征.pdf 2.49M
├──21|YouTubeDNN:召回算法的后起之秀(上).md 12.45kb
├──21|YouTubeDNN:召回算法的后起之秀(上).mp3 13.03M
├──21|YouTubeDNN:召回算法的后起之秀(上).pdf 1.94M
├──开篇词|从企业级项目开始,进阶推荐系统.md 9.36kb
├──开篇词|从企业级项目开始,进阶推荐系统.mp3 9.81M
└──开篇词|从企业级项目开始,进阶推荐系统.pdf 2.30M

声明:本站所有文章,均采集自互联网,如若本站内容侵犯了原著者的合法权益,可联系我们进行下架处理,购买联系客服:it8206
it8062 » 极客专栏-手把手带你搭建推荐系统2023

提供最优质的资源集合

立即查看