推荐
水木米
一个关注互联网乐于学习积极乐观的程序员
展开
-
机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
前言: 找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,而随着科技的不断发展,相信这方面的人才需求也会越来越大。 纵观IT行业的招聘岗位,机器学习之类的岗位还是挺转载 2017-08-16 10:54:23 · 504 阅读 · 0 评论 -
整个推荐系统用到的知识
策略算法:1)数学理论i) 统计模型相关:概率论、数理统计、贝叶斯分析(很多以贝叶斯学派理论建模的统计模型,注如LDA等)、回归分析、时间序列分析、随机过程 等等ii) 其他模型相关(相对用得较少):常微分、偏微分、组合学、拓扑学等等iii) 模型求解相关: 矩阵论(基础知识)、数值优化、凸优化、随机模拟等2)算法应用i) 方法论:数据挖掘、机器学习、信息检索ii)转载 2017-08-09 14:58:10 · 614 阅读 · 0 评论 -
想学习推荐系统,如何从小白成为高手?
同在学习推荐算法,大概介绍一下我自己规划的推荐算法学习轨迹(还在慢慢实践中,好长时间了,捂脸...)。首先,看完了推荐系统实战的话,应该大概了解了大部分的推荐算法。那我觉得看完了书,应该有必要再从宏观上再来了解一下推荐系统这个研究领域的研究现状,包括研究领域目前有的挑战,比如冷启动问题,大规模矩阵分解问题,增量模型计算问题等等,包括目前热门的研究方向,比如基于LBS、社交网络等等的推荐。最方便转载 2017-08-09 15:05:12 · 4360 阅读 · 1 评论 -
开源推荐系统整理
花了大概1天的时间整理的各语言的开源推荐系统,比较完整全面的项目标红。一、python库1、benfred/implicitFast Python Collaborative Filtering for Implicit Datasetshttps://github.com/benfred/implicit2、Mendeley/mrecA recommender syste转载 2017-08-09 15:09:24 · 2283 阅读 · 0 评论 -
内容分发平台个性化推荐系统经验简单总结
推荐在电商和互联网应用中已经应用的非常广泛,相比于根据query进行主动的搜索,推荐是更加被动的由系统自动推出商品给用户。搜索的意图比较明显,直接由query给出,而推荐需要计算猜测用户的意图,根据用户历史数据和当前行为,基于各种模型推荐合适的商品,提升用户体验,提高转化率。不过近些年来,搜索和推荐在底层模型和技术方面越来越趋于融合,利用机器学习的方式来改进搜索和推荐的质量,像搜索排序LTR等等。转载 2017-10-27 16:55:21 · 2944 阅读 · 0 评论