机器学习推荐系统视频教程-唐宇迪-专题视频课程

机器学习推荐系统视频教程—3487人已学习
课程介绍    

    机器学习推荐系统视频培训教程概况：课程从推荐系统在机器学习概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，后使用深度学习框架Tensorflow实现一个简易的基于隐语义模型的推荐系统。
课程收益
    掌握推荐系统原理与工作方式，使用Python库进行建模。
讲师介绍
    唐宇迪 更多讲师课程
    计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
课程大纲
  第1章:推荐系统工作原理
    1. 系列课程概述  1:43
    2. 推荐系统应用  10:34
    3. 推荐系统要完成的任务  6:39
    4. 相似度计算  10:46
    5. 基于用户的协同过滤算法  10:02
    6. 基于物品的协同过滤算法  14:45
    7. 隐语义模型  7:31
    8. 隐语义模型求解  9:45
    9. 模型评估标准  7:43
    10. Python从零开始构建推荐系统-音乐推荐任务概述  17:35
    11. Python从零开始构建推荐系统-数据集整合  8:19
    12. Python从零开始构建推荐系统-基于物品的协同过滤  13:18
    13. Python从零开始构建推荐系统-物品相似度计算  19:14
    14. Python从零开始构建推荐系统-SVD矩阵分解方法  16:54
    15. Python从零开始构建推荐系统-基于矩阵分解的音乐推荐  14:44
  第2章:使用Surprise库建立推荐系统
    1. Surprise库简介  6:40
    2. Surprise库使用方法  9:46
    3. 得出商品推荐结果  9:06
  第3章:使用Tensorflow构造隐语义模型
    1. 使用Tensorflow构造隐语义模型  9:08
    2. 模型架构  10:06
    3. 损失函数定义  8:25
    4. 训练网络  8:37
大家可以点击【 查看详情】查看我的课程