推荐系统算法工程师-从入门到就业

这是一门深入讲解推荐系统算法的课程,涵盖了深度学习在推荐系统中的应用,从基础工程实现到实时推荐算法,再到各种推荐算法如协同过滤、关联规则的实践,同时介绍了使用TensorFlow搭建推荐环境的详细步骤。
摘要由CSDN通过智能技术生成

『课程目录』:   
1_深度学习在推荐系统中的应用
2_推荐系统的深度学习应用之IMDb解析
3_推荐引擎-实现基础工程(1)
4_推荐引擎-实现基础工程 (2)
5_推荐引擎-实现基础工程(3)
6_推荐引擎-实现基础工程(4)
7_推荐引擎-实现基本的实时处理(1)
8_推荐引擎-实现基本的实时处理(2)
9_推荐引擎-实现简单的实时推荐算法(1)
10_推荐引擎-实现简单的实时推荐算法(2)
11_推荐引擎-实现简单的实时推荐算法(3)
12_推荐引擎-实现简单的实时推荐算法(4)
13_推荐引擎 - 实现符合业务场景的推荐算法(1)
14_推荐引擎 - 实现符合业务场景的推荐算法(2)
15_推荐引擎 - 实现符合业务场景的推荐算法(3)
16_推荐引擎 - 实现符合业务场景的推荐算法(4)
17_推荐引擎 - 实践课(1)
18_推荐引擎 - 实践课(2)
19_推荐算法 -实现基础规则算法(1)
20_推荐算法 -实现基础规则算法(2)
21_推荐算法 -实现基础规则算法(3)
22_推荐算法 -实现基础规则算法

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
为了方便大家从理论到实践,从入门到精通,循序渐进系统地理解和掌握推荐系统相关知识。特做了个读物清单。大家可以按此表阅读,也欢迎提出意见和指出未标明的经典文献以丰富各学科需求(为避免初学者疲于奔命,每个方向只推荐经典文献)。 1. 中文综述(了解概念-入门篇) a) 个性化推荐系统的研究进展 b) 个性化推荐系统评价方法综述 2. 英文综述(了解概念-进阶篇) a) 2004ACMTois-Evaluating collaborative filtering recommender systems b) 2004ACMTois -Introduction to Recommender Systems - Algorithms and evaluation c) 2005IEEEtkde Toward the next generation of recommender systems - A survey of the state-of-the-art and possible extensions 3. 动手能力(实践算法-入门篇) a) 2004ACMtois Item-based top-N recommendation algorithms(协同过滤) b) 2007PRE Bipartite network projection and personal recommendation(网络结构) 4. 动手能力(实践算法-进阶篇) a) 2010PNAS-Solving the apparent diversity-accuracy dilemma of recommender systems (物质扩散和热传导) b) 2009NJP Accurate and diverse recommendations via eliminating redundant correlations (多步物质扩散) c) 2008EPL Effect of initial configuration on network-based Recommendation (初始资源分配问题) 5. 推荐系统扩展应用(进阶篇) a) 2009EPJB Predicting missing links via local information(相似性度量方法) b) 2010theis-Evaluating Collaborative Filtering over time(基于时间效应的博士论文) c) 2009PA Personalized recommendation via integrated diffusion on user-item-tag tripartite graphs (基于标签的三部分图方法) d) 2004LNCS Trust-aware collaborative filtering for recommender systems(基于信任机制) e) 1997CA-Fab_content-based, collaborative recommendation(基于文本信息) 6. 推荐结果的解释(进阶篇) a) 2000CSCW-Explaining Collaborative Filtering Recommendations b) 2011PRE-Information filtering via biased heat conduction c) 2011PRE- Information filtering via preferential diffusion d) 2010EPL Link Prediction in weighted networks - The role of weak ties e) 2010EPL-Solving the cold-start problem in recommender systems with social tags 7. 推荐系统综合篇(专著、大型综述、博士论文) a) 2005Ziegler-thesis-Towards Decentralized Recommender Systems b) 2010Recommender Systems Handbook (此处分享的是2011年版)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值