PHET
通过动画模拟知识点
网址:https://phet.colorado.edu/zh_CN/simulations/category/math
相关技术人员:js
潜在用途:可获取其中关于数学的知识点动画演示
Crab
项目地址:
http://geektell.com/story/crab-recommender-systems-in-python/
图片: https://uploader.shimo.im/f/K7JojvOUWqM1AAlc.png
系统的Tutorial可以看这里:
http://muricoca.github.io/crab/
Crab是基于Python开发的开源推荐软件,其中实现有item和user的协同过滤。据说更多算法还在开发中,
Crab的python代码看上去很清晰明了,适合一读
Python-recsys
一个非常轻量级的开源推荐系统,python开发,作者似乎只有一位,
Python-recsys主要实现了SVD、Neighborhood SVD推荐算法,
这个项目麻雀虽小五脏俱全,评估数据(Movielens,Last.fm)、评估框架也都有
API也很简单清晰,代码简洁,属于推荐入门的良好教材。
不过真正要用到实际系统中,还是得补充很多内容
github的地址位于
https://github.com/ocelma/python-recsys
项目的介绍见:
http://ocelma.net/software/python-recsys/build/html/
OpenRec
介绍:是一个用于神经网络自适应推荐算法的开源和模块化库
git地址:https://github.com/ylongqi/openrec
相关论文:Longqi Yang, Eugene Bagdasaryan, Joshua Gruenstein, Cheng-Kang Hsieh, and Deborah Estrin. 2018. OpenRec: A Modular Framework for Extensible and Adaptable Recommendation Algorithms. In Proceedings of WSDM’18, February 5–9, 2018, Marina Del Rey, CA, USA.
推荐系统实例与最佳实践 by 微软
推荐系统学习开源教程
本仓库提供了构建推荐系统项目的实例和最佳实践,用Jupyter Notebook的形式提供。这些例子将会详细地向我们介绍四个关键任务的学习。
准备数据:为每一个推荐算法准备和加载数据
模型:用多种推荐算法构建模型,例如交替最小二乘法(ALS)
评估:使用离线指标评估算法
实施:在Azure上的生产环境中操作模型
https://github.com/Microsoft/Recommenders
自适应出题系统
https://www.khanacademy.org