夸克网盘
5积分
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
从算法到大厂就业级别项目讲解4.86GB
基础视频1.76GB
PART11.12GB
1.1课程简介.mp411.93MB1.2推荐系统的演化过程.mp423.39MB1.3推荐系统的技术演进.mp434.84MB1.4推荐系统的核心产品问题.mp423.03MB2.1学习方法.mp49.91MB2.2机器学习的学习问题.mp431MB2.3假设集合.mp414.96MB2.4VC维和Bias.mp436.89MB2.5Bias.mp415.73MB2.6交叉验证.mp411.1MB2.7损失函数和正则化.mp419.97MB2.8最优化方法.mp417.91MB2.9贝叶斯决策理论.mp415.6MB2.10总结如何构建自己的知识脉络.mp411.31MB3.1基于User的协同过滤算法.mp423.37MB3.2基于Item的协同过滤算法.mp419.28MB3.3物品相似度的算法实现.mp444.59MB3.4协同过滤算法的变种.mp419.67MB3.5间隔时效性优化.mp411.65MB3.6反馈时效性优化.mp426.8MB3.7随机游走算法.mp420.24MB3.8图模型embedding算法.mp431.22MB4.1推荐系统策略流程和核心问题.mp414.09MB4.2词袋模型和向量空间模型.mp421.5MB4.3词袋模型的拓展TF.mp429.47MB4.4隐语义模型LSA.mp433.47MB4.5概率隐语义模型pLSA.mp423.8MB4.6生成式概率隐语义模型LDA.mp417.3MB4.7LDA的应用实例.mp428.53MB4.8神经网络模型.mp428.42MB4.9行为数据文档化.mp417.2MB4.10行为序列数据文档化和向量化.mp413.33MB5.1推荐系统中的用户画像.mp417.7MB5.2用户画像的价值准则.mp416.14MB5.3物品侧画像.mp423.17MB5.4用户兴趣模型的简单方法.mp419.68MB5.5用户兴趣模型的复杂方法.mp416.88MB5.6用户兴趣扩展.mp417.08MB5.7用户兴趣模型的架构设计.mp414.56MB6.1问题分析与目标定义.mp426.9MB6.2常用模型介绍.mp418.34MB6.3模型效果评估.mp438.54MB6.4常用模型介绍.mp432.21MB6.5模型效果评估.mp419.53MB6.6机器学习系统架构设计.mp49.45MB7.1常用评测指标.mp447.57MB7.2离线效果评测方法.mp426.03MB7.3在线效果评测方法.mp435.02MB7.4在线评测方法.mp425.09MB7.5更好更快的在线系统.mp444.58MBPART2654.8MB
PART2654.8MB
7.6交叉实验.mp430.39MB7.7系统监控.mp419.45MB8.1多臂老虎机和EE问题.mp423.03MB8.2多臂老虎机问题.mp427.86MB8.3e贪心算法.mp422.32MB8.4UCB算法.mp439.4MB8.5汤普森采样.mp415.61MB8.6LinUCB.mp418.93MB8.7机器学习中的EE关系.mp414.14MB8.8推荐系统中的EE思考.mp416.89MB9.1推荐系统架构设计.mp416.22MB9.2系统边界和外部依赖.mp430.93MB9.3离线层架构.mp435.86MB9.4在线层架构.mp432.39MB9.5系统架构演进原则.mp421.07MB9.6从离线到在线.mp427.26MB9.7基于DSL的系统架构设计.mp434.67MB10.1推荐系统的挑战以及前沿发展.mp437.09MB10.2推荐结果显示.mp438.58MB10.3相关性和因果性.mp435.59MB10.4信息茧房.mp421.56MB10.5转化率偏置问题.mp428.1MB10.6召回技术的局限性.mp448.25MB10.7总结.mp419.21MB项目就业视频3.1GB
PART12.21GB
第1课时 L2阶段学习说明.mp429.52MB第2课时 基本介绍.mp46.97MB第3课时 推荐系统基础.mp4289.74MB第4课时 推荐系统公司级别的架构方法介绍(一).mp4121.58MB第5课时 推荐系统公司级别的架构方法介绍(二).mp457.94MB第6课时 推荐系统公司级别的架构方法介绍(三).mp4175.19MB第7课时 推荐系统实践书籍导读.mp484.57MB第8课时： 项目介绍与说明.mp412.75MB第9、10课时： 京东购买预估第1种解决方案.mp4224.02MB第11、12课时： 京东购买预估第2种解决方案.mp481.95MB第13、14课时： 京东购买预估第3种解决方案.mp4242.12MB第15课时： rossmann连锁商店销量预估解决方案.mp4210.57MB第16、17课时： 阿里口碑流量预测解决方案1.mp490.12MB第18、19课时： 阿里口碑流量预测解决方案2.mp4129.99MB第20、21课时： 阿里口碑流量预测top方案PPT一览.mp454.87MB第22课时： 推荐系统方法讲解.mp4143.12MB第23课时： 音乐推荐系统数据解析.mp491.59MB第24课时： 基于surprise的歌单推荐系统.mp4101.66MB第25课时： 用户行为序列建模的推荐系统.mp449.72MB第26课时： 电影推荐系统的构建（上）.mp468.05MB课程总结.mp41.02MBPART2909.89MB
第27课时： 电影推荐系统的构建（下）.mp4115.33MB第28课时： 课程说明与wide_and_deep模型讲解.mp4131.16MB第29课时： wide_and_deep模型示例.mp488.48MB第30课时： 使用wide_and_deep模型的youtube推荐系统.mp470.85MB第31课时： 抖音短视频理解与推荐案例背景.mp441.98MB第32课时 xDeepFM模型讲解.mp4133.39MB第33、34课时： 抖音推荐案例讲解.mp4208.21MB第35课时： 推荐项目说明.mp4120.5MB