分享资源

《推荐系统课程》

  • 发布时间：
    2024-11-01 11:02:24
  • 文件大小：
    共计 74 个文件，合计：19.35GB
  • 资源来源：
    百度网盘百度网盘
  • 资源售价：
    积分5积分
・本站会员获取资源无需消耗积分。
・获取资源后可以在「个人中心」24 小时内无理由退积分。
・为防止资源链接失效，请及时转存文件。

  • 夸克网盘 【推荐系统训练营-推荐系统工程师 – 带源码课件】

    介绍 推荐系统训练营-推荐系统工程师 - 带源码课件。 推荐系统主要分两个环节：召回和排序。 这两个阶段都离不开用户画像的支持，而用户画像又是在内容画像的基础上不断累积用户行为而来，故，首先需要有内容画像，构建文本物品的内容画像需要nlp技术的支持，存储内容和用户互相依赖常用数据库以及贝叶斯平滑、威尔逊置信区间等技术。 学习本项目后，你将了解到如何使用nlp技术抽取物品信息形成的内容标签，依托mysql、Redis等数据库存储内容画像，并基于内容画像和用户行为形成用户画像，再此基础之上建立基于画像的推荐系统。 ├── Week 1：机器学习基础 ├── Week 2：推荐系统基础 ├── We…...

  • 夸克网盘 【从算法到大厂就业级别项目讲解】

    从算法到大厂就业级别项目讲解。 这个课程的 “全方位指导” 给了我在推荐算法领域深入学习和实践的机会。 从推荐系统的基础知识到实际应用中的问题解决方法，课程内容涵盖了许多重要的主题。 我尤其喜欢该课程提供的实践机会，这让我能够亲身体验推荐算法的开发和优化过程。 ├── 基础视频 ├── 项目就业视频...

  • 夸克网盘 从算法到大厂就业级别项目讲解 【4.9GB】

    这个课程的 "全方位指导" 给了我在推荐算法领域深入学习和实践的机会。 从推荐系统的基础知识到实际应用中的问题解决方法，课程内容涵盖了许多重要的主题。 我尤其喜欢该课程提供的实践机会，这让我能够亲身体验推荐算法的开发和优化过程。...

  • 百度网盘 2024 一建 资料 VIP

    链接是有效的 2024年一建【市政】VIP 2024年一建【矿业】VIP 2024年一建【通信】VIP 2024年一建【机电】VIP 2024年一建【建筑】VIP 2024年一建【公路】VIP 2024年一建【法规】VIP 2024年一建【管理】VIP 2024年一建【经济】VIP 2024年一建【港航】VIP 2024年一建【民航】VIP 2024年一建【水利】VIP 2024年一建【铁路】VIP...

  • 夸克网盘 【Spark大数据互联网项目实战推荐系统】

    Spark大数据互联网项目实战推荐系统。 本课程涵盖推荐系统与大数据技术的全流程，从推荐系统的设计与技术栈到大数据架构的详细解析。 ├── 01.01_大数据应用案例.mp4 ├── 01.02_大数据技术框架.mp4 ├── 01.03_推荐系统的技术栈.mp4 ├── 01.04_课程的基础要求和安排.mp4 ├── 02.01_什么是推荐系统（处理）.mp4 ├── 03.01_推荐系统的设计.mp4 ├── 03.02_用户界面的重要性.mp4 ├── 04.01_什么是lambda架构.mp4 ├── 04.02_Lambda架构之批处理层.mp4 ├── 04.03_Lambda架…...

  • 阿里云盘 2024全新Langchain大模型AI应用与多智能体实战开发 – 带源码课件

    2024全新Langchain大模型AI应用与多智能体实战开发 - 带源码课件，和资源，免费下载。 今年开发人员必须掌握的Ai 开发技术来了。课程全面系统的讲解AI应用开发框架Langchain、LangGraph，帮助大家将AI整合到业务中、实现各种智能体自动化执行业务流程，和多智能体协作处理业务。 通过本课程，您将学会Langchain从零掌握实战开发私有知识库问答系统、业务Agent智能体、AI客服系统~ ├── Langchain大模型AI应用实战开发-资料 ├── 10_10-提示词里模板中的模板解决复杂的聊天对话.mp4 ├── 11_11-Langchain管道提示词模板应用.m…...

  • 夸克网盘 【黑马程序员】大数据项目用户画像实战

    本课程采用由浅入深,层层递进的讲解方式, 让你轻松掌握企业级用户画像的使用, 使用SparkSQL+Hbase+Oozie构建企业级用户画像。基于SparkMllib构建数据挖掘模型。...

  • 阿里云盘 【尚硅谷】大数据机器学习和推荐系统 – 带源码课件

    尚硅谷精心打造出了机器学习与推荐系统课程，将机器学习理论与推荐系统项目实战并重，对机器学习和推荐系统基础知识做了系统的梳理和阐述，并通过电影推荐网站的具体项目进行了实战演练。为有志于增加大数据项目经验、扩展机器学习发展方向的工程师提供最好的学习平台。...

  • 夸克网盘 【编程】大数据实战：黑马程序员带你打造用户画像

    【编程】大数据实战：黑马程序员带你打造用户画像...

  • 夸克网盘 【分布式高性能深度学习实战计划】

    分布式高性能深度学习实战计划。 分布式高性能深度学习实战计划是一门专注于深度学习技术在分布式环境下的应用和优化的课程。 学员将学习到分布式系统的基本原理深度学习算法的并行化实现、分布式模型训练和推理技术等内容。课程融合理论和实践，适合希望在深度学习领域深入研究和应用的学员参与。 无论是对于学术研究还是工程实践，这门课程都能提供实用的工具和技巧。 ├── 第01周 开班典礼 ├── 第02周 基础理论及课程介绍 ├── 第03周 并行及分布式框架概述 ├── 第04周 环境安装与gitlab的使用 ├── 第05周 卷积结构及其计算 ├── 第06周 目标检测算法 ├── 第07周 Lectur…...

  • 夸克网盘 【尚硅谷】大数据项目之大电商推荐系统 – 带源码课件

    尚硅谷打造的电商推荐系统项目，就是以经过修改的中文亚马逊电商数据集作为依托，并以某电商网站真实的业务架构作为基础来实现的，其中包含了离线推荐与实时推荐体系，综合利用了协同过滤算法以及基于内容的推荐方法来提供混合推荐。具体实现的模块主要有：基于统计的离线推荐、基于隐语义模型的离线推荐、基于自定义模型的实时推荐，以及基于内容的、和基于Item-CF的离线相似推荐。...

  • 百度网盘 马士兵-人工智能2期

    《马士兵-人工智能2期》课程系统覆盖人工智能核心应用领域，包括推荐系统(协同过滤、召回与排序)、自然语言处理(RNN/LSTM、输入法、文本分类)、语音合成(前端、声学模型、声码器)、计算机视觉(文本检测与识别、高级图像技术)、深度学习模型(Attention、Transformer、Bert)及实战项目(智能聊天机器人、海外推荐系统)。课程结合理论讲解与代码实战(如Wide-Deep模型、TensorFlow Serving部署)，帮助学员掌握工业级AI解决方案的开发与优化技能。...

  • 夸克网盘 超全 奈学教育-全学科年卡专栏课程【139.8GB】

    000.学习路线 1.DA层之大数据用户画像设计与实践 2.DecisionTree(决策树)算法 3.DMP用户画像系统实战 4.Dubbo深度剖析与实践 5.Elasticsearch深度剖析与实践 6.Excel商业数据分析实战 7.Flink从入门到精通 8.Flutter从入门到精通核心技术 9.GradientBoostingDecisonTree 10.Hive数仓工具企业实践和调优实战 11.HTML5和CSS3核心内容 12.Java多线程与并发深度剖析 13.Java硬技能之反射、泛型、注解 14.JS异步编程核心技术32讲 15.JVM深度剖析与实践 16.K-Means…...

  • 夸克网盘 奈学教育-百万AI云架构 第2期

    奈学教育百万AI云架构第2期，专为AI与云计算领域精英打造的高端课程。课程内容涵盖云原生技术、大数据处理、AI算法应用及高性能架构设计，结合真实项目案例，深度解析AI云架构的设计与实践。助力学员掌握前沿技术，构建高效、稳定的AI云服务平台，推动技术革新与行业升级。...

  • 夸克网盘 【短视频实操落地课，系统体系化课程，账号爆款流量密码，操盘手培养提升，摆脱碎片化知识】

    短视频实操落地课，系统体系化课程，账号爆款流量密码，操盘手培养提升，摆脱碎片化知识。 课程围绕短视频创作与运营展开，涵盖从基础理念到实操技巧的完整体系。内容首先强调短视频行业的潜力，探讨个人IP的重要性以及变现为核心目标的关键性，随后深入讲解账号定位、选题、视频拍摄及剪辑等技巧，提出选题决定流量、内容呈现需用心等策略，并强调发布后数据分析与持续优化的必要性。在实操部分，课程通过选平台、设备选择、定位方法、账号搭建等具体步骤，引导学员系统化操作，同时提供从标题设计到视频结构、镜头语言、剪辑发布及算法推荐的详细解析。课程还涉及流量密码、抖加投放、矩阵布局、直播加速转化以及私域流量运营等高级方法，最…...
📢 以下文件由百度网盘用户于2022-02-09分享（文件数量过多时仅展示部分文件）
推荐系统课程19.35GB
正式视频6.93GB
第一课-项目kick off与数据获取2.43GB
1.5 服务稳定高于一切-rest服务与web-演示.mp4265.49MB
1.5 服务稳定高于一切-rest服务与web-ppt.mp4110.17MB
1.4 工程比算法更重要-spider与数据流程-演示5-发布模块调试运行.mp4251.45MB
1.4 工程比算法更重要-spider与数据流程-演示4-云存储使用.mp4331.87MB
1.4 工程比算法更重要-spider与数据流程-演示3-元数据下载调试运行.mp4348.71MB
1.4 工程比算法更重要-spider与数据流程-演示2-代码讲解.mp4239.36MB
1.4 工程比算法更重要-spider与数据流程-演示1-数据源.mp4229MB
1.4 工程比算法更重要-spider与数据流程-ppt.mp484.33MB
1.3 数据比算法更重要-数据表构建ppt.mp4121.47MB
1.3 数据比算法更重要-数据表构建-演示.mp4191.79MB
1.2从需求到代码.mp4261.62MB
1.1课程介绍.mp454.28MB
第四课- 短视频点击预估推荐1.04GB
4.3 系统运维-演示.mp4172.07MB
4.3 系统运维-ppt.mp488.14MB
4.2 LR点击预估-演示.mp4313.63MB
4.2 LR点击预估-ppt.mp450.83MB
4.1 特征工程-演示.mp4248.83MB
4.1 特征工程-ppt.mp4191.08MB
第三课-基于“协同过滤”的短视频推荐1.33GB
3.4服务设计-演示.mp4280.73MB
3.4服务设计-ppt.mp4109.85MB
3.3 基于物品的推荐设计-演示.mp4256.52MB
3.3 基于物品的推荐设计-ppt.mp466.21MB
3.2基于用户的推荐-演示.mp4267.53MB
3.2基于用户的推荐-ppt.mp497.66MB
3.1 用户访问记录构-演示.mp4198.4MB
3.1 用户访问记录构-ppt.mp489.73MB
第二课-基于“内容”的短视频推荐2.12GB
2.4 系统实现-演示.mp4312.03MB
2.4 系统实现-ppt.mp461.9MB
2.3 构建用户模型-演示.mp4383.12MB
2.3 构建用户模型-ppt.mp4107.48MB
2.2 分类标签构建-演示3-文本分类.mp4342.57MB
2.2 分类标签构建-演示2-构建向量空间模型-new.mp4118.33MB
2.2 分类标签构建-演示1-语料下载.mp4178.12MB
2.2 分类标签构建-ppt.mp4102.46MB
2.1 搜索是推荐的系统基础-演示2-云搜索sdk使用.mp4285.69MB
2.1 搜索是推荐的系统基础-演示1-阿里云搜索构建.mp4148.58MB
2.1 搜索是推荐的系统基础-ppt.mp4135.59MB
原始视频12.03GB
第一课5.48GB
1.5-演示.mov482.89MB
1.5-ppt2.mov93.71MB
1.5-ppt1.mov119.93MB
1.4-演示4.mov606.42MB
1.4-演示3.mov881.14MB
1.4-演示2.mov1.05GB
1.4-演示1.mov425.53MB
1.4-演示0.mov518.63MB
1.4 ppt.mov157.66MB
1.3-演示2.mov172.81MB
1.3-演示1.mov291.68MB
1.3 ppt.mov200.85MB
1.2.mov478.56MB
1.1.mov101.45MB
第四课1.93GB
4.3 演示.mov376.08MB
4.3 ppt.mov135.92MB
4.2 演示.mov574.9MB
4.2 ppt.mov106.99MB
4.1 演示.mov487.33MB
4.1 ppt.mov298.66MB
第二课4.62GB
2.4-演示.mov637.03MB
2.4-ppt.mov111.17MB
2.3-演示.mov977.93MB
2.3-ppt.mov180.56MB
2.2-演示5.mov746.73MB
2.2-演示4-1.mov172.25MB
2.2-演示3.mov359.2MB
2.2-ppt.mov167.6MB
2.2 演示4-2.mov90.03MB
2.2 分类标签构建-演示-构建向量空间模型.mp495.08MB
2.1-演示2.mov516.41MB
2.1-演示.mov445.99MB
2.1-ppt.mov231.56MB
第五章新增部分404.65MB
5.6.1 全流程监控（原4.3视频更新了ppt）.mp470.35MB
5.6.1 全流程监控.pptx340.87KB
5.5 hadoop上执行word_count程序的操作演示.mp4145.33MB
5.5 hadoop上执行get_idf程序的操作演示.mp4188.64MB
共74个文件，合计：19.35GB
百度网盘
网站声明：
1. 本站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。
2. 本站遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。同时您必须了解并同意本站《用户协议》，严禁搜索非法关键词。
3. 本站高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。
4. 本站作为非经营性网站，所有服务仅供学习交流使用。
资源评论 AUP主 M管理员
评分
{{ rating }}分