贪心推荐系统系统工程师 预览演示站 贪心推荐系统系统工程师手机扫码预览
  • 课程提供者 贪心学院
  • 最近更新2022年03月07日

贪心推荐系统系统工程师

售价:
¥10 学币
  • 普通用户购买价格 : 10学币
  • SVIP会员购买价格 :5学币
QQ咨询
  • 交易保障
  • 持续更新
  • 优质资源
  • 高速下载

特别声明:本站内容均由互联网收集整理、网友上传,并且以技术研究交流为目的,仅供大家参考、学习,部分收费内容仅作本站日常维护费用,如果内容侵犯了您的利益请留言告知!注册签到领 0.5 学币

升级尊贵会员
享受全站VIP待遇

135+
会员已经加入
  • 文章介绍
  • 评价建议
  • 课程亮点

    贪心推荐系统系统工程师插图

    课程大纲

    贪心推荐系统系统工程师插图2

    项目案例

    项目一:实现基于用户协同的文本推荐系统

    “在深度学习盛行的时代,经典的协同过滤方法是否还在各大公司的推荐引擎中使用呢?答案是肯定的,协同算法在推荐领域中有这不可磨灭的基因,作为分发和传播能力极强的方法,至今,协同过滤方法仍然在工业界有这广泛的应用。此案例中,同学们将亲手实践协同算法的威力。

    贪心推荐系统系统工程师插图4

     

    项目二:基于nlp技术、Redis构建与存储内容画像

    用户画像在推荐领域有着至关重要的作用,主流的协同以及今天大火的深度召回方法,如双塔、YouToBe召回方法等的情况下,基于用户画像的召回方法仍然适用,因其极具可控性与解释性,推荐领域,因其有这天然的业务性,导致推荐系统对可解释性要求极高,当出现推荐的bad case时,基于用户画像的召回策略是查找bad case的重要手段。

    贪心推荐系统系统工程师插图6

     

    项目三:item2Vec的实现

    推荐业务领域常常有如下场景,相关推荐、猜你还喜欢等,熟悉吧?背后支持的算法和系统策略逻辑是什么呢?答案就在此案例中,类似的相关推荐场景,即为:根据现有物品推荐另一相关的物品或者商品,借助于用户行为与word2vec思路,将item Embedding引入此场景,并适当引入side info信息来做商品的相关推荐方法,此案例将为你揭晓其中的秘密。

    贪心推荐系统系统工程师插图8

    项目四:FM方法的实现

    MF(矩阵分解)算法作为推荐算法经典代表作之一,其是最早体现出Embedding泛化扩展思想的雏形;之后,FM(因子分解机)算法在MF(矩阵分解)基础之上发扬光大,将Embedding思想进一步引入传统的机器学习做推荐,FM算法看成推荐领域的万金油,召回、粗排、精排均可用FM实现,在深度学习上线资源较困难的情况下,可视为推荐领域的baseline的不二法门,此案例中,你将亲自感受FM算法的魅力。

    贪心推荐系统系统工程师插图10

    项目五:Wide&&Deep算法实现

    推荐算法本质上就是在解决两个问题:记忆和泛化,传统的LR等模型,将大量的ID类稀疏特征直接喂给模型,再由广义线性模型直接学习这些ID类特征的权重,本质上就是模型对特征的简单粗暴的记忆,因此,泛化扩展性得不到保证,从未出现过的特征(如很重要的交叉特征等),模型无法学习该特征权重,故特征的指征能力无法体现;因此,深度学习模型引入Embedding稠密向量概念,将不同特征之间的一部分共性抽象出,放入Embedding空间进行学习,这样的操作可以近乎看作是模糊查找,具有较强的泛化能力,但记忆性显然不如LR等模型,wide&&deep的提出是兼容记忆性与泛化性的考虑,在此基础上,后续的DeepFM等模型,也只是在wide端加强了模型对特征的显式交叉,但架构本质与wide&&deep模型是一样的。此案例就来带大家实操WDL方法。

    贪心推荐系统系统工程师插图12

    1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
    2. 分享目的仅供大家学习和交流,请不要用于商业用途!
    3. 如果你也有好的课程或者教程,可以投稿,分享有学币奖励和额外收入!
    4. 如有链接无法下载、失效或广告,请联系管理员处理!
    5. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
    6. 如遇到加密压缩包,默认解压密码为"aixdata.com",如遇到无法解压的请联系管理员!
    HONG'S学院 » 贪心推荐系统系统工程师

    HONG'S 学院,专注分享有价值的知识资源

    立即查看 了解详情