课程介绍：
主题：推荐系统
内容：包括基础类内容、相关性算法、机器学习系统应用、体系架构设计、高阶扩展内容
特点：注重体系和脉络、理论联系实际、重点突出、实用导向
推荐系统概述：
发展历史：协同过滤算法、基于内容的推荐算法、混合推荐算法等
技术演进：从基于协同过滤的推荐算法到基于内容的推荐算法，再到混合推荐算法的发展
产品思考：如何将机器学习在推荐系统中落地、如何解决推荐系统中的探索与利用问题等
课程截屏：
课程目录：
项目就业视频
PART1
课程总结.mp4
第1课时 L2阶段学习说明.mp4
第2课时 基本介绍.mp4
第3课时 推荐系统基础.mp4
第4课时 推荐系统公司级别的架构方法介绍(一).mp4
第5课时 推荐系统公司级别的架构方法介绍(二).mp4
第6课时 推荐系统公司级别的架构方法介绍(三).mp4
第7课时 推荐系统实践书籍导读.mp4
第8课时： 项目介绍与说明.mp4
第9、10课时： 京东购买预估第1种解决方案.mp4
第11、12课时： 京东购买预估第2种解决方案.mp4
第13、14课时： 京东购买预估第3种解决方案.mp4
第15课时： rossmann连锁商店销量预估解决方案.mp4
第16、17课时： 阿里口碑流量预测解决方案1.mp4
第18、19课时： 阿里口碑流量预测解决方案2.mp4
第20、21课时： 阿里口碑流量预测top方案PPT一览.mp4
第22课时： 推荐系统方法讲解.mp4
第23课时： 音乐推荐系统数据解析.mp4
第24课时： 基于surprise的歌单推荐系统.mp4
第25课时： 用户行为序列建模的推荐系统.mp4
第26课时： 电影推荐系统的构建（上）.mp4
PART2
第27课时： 电影推荐系统的构建（下）.mp4
第28课时： 课程说明与wide_and_deep模型讲解.mp4
第29课时： wide_and_deep模型示例.mp4
第30课时： 使用wide_and_deep模型的youtube推荐系统.mp4
第31课时： 抖音短视频理解与推荐案例背景.mp4
第32课时 xDeepFM模型讲解.mp4
第33、34课时： 抖音推荐案例讲解.mp4
第35课时： 推荐项目说明.mp4
基础视频
PART1
README.txt
刀网地址发布页.url
1.3推荐系统的技术演进.mp4
1.4推荐系统的核心产品问题.mp4
1.1课程简介.mp4
1.2推荐系统的演化过程.mp4
2.6交叉验证.mp4
2.3假设集合.mp4
2.8最优化方法.mp4
2.7损失函数和正则化.mp4
2.9贝叶斯决策理论.mp4
2.1学习方法.mp4
2.4VC维和Bias.mp4
2.2机器学习的学习问题.mp4
2.10总结如何构建自己的知识脉络.mp4
2.5Bias.mp4
3.3物品相似度的算法实现.mp4
3.1基于User的协同过滤算法.mp4
3.7随机游走算法.mp4
3.2基于Item的协同过滤算法.mp4
3.6反馈时效性优化.mp4
3.4协同过滤算法的变种.mp4
3.5间隔时效性优化.mp4
3.8图模型embedding算法.mp4
4.2词袋模型和向量空间模型.mp4
4.7LDA的应用实例.mp4
4.1推荐系统策略流程和核心问题.mp4
4.8神经网络模型.mp4
4.5概率隐语义模型pLSA.mp4
4.3词袋模型的拓展TF.mp4
4.9行为数据文档化.mp4
4.10行为序列数据文档化和向量化.mp4
4.4隐语义模型LSA.mp4
4.6生成式概率隐语义模型LDA.mp4
5.1推荐系统中的用户画像.mp4
5.5用户兴趣模型的复杂方法.mp4
5.3物品侧画像.mp4
5.7用户兴趣模型的架构设计.mp4
5.2用户画像的价值准则.mp4
5.4用户兴趣模型的简单方法.mp4
5.6用户兴趣扩展.mp4
6.3模型效果评估.mp4
6.2常用模型介绍.mp4
6.4常用模型介绍.mp4
6.5模型效果评估.mp4
6.1问题分析与目标定义.mp4
6.6机器学习系统架构设计.mp4
7.3在线效果评测方法.mp4
7.2离线效果评测方法.mp4
7.4在线评测方法.mp4
7.1常用评测指标.mp4
7.5更好更快的在线系统.mp4
PART2
PART2
7.7系统监控.mp4
7.6交叉实验.mp4
8.1多臂老虎机和EE问题.mp4
8.2多臂老虎机问题.mp4
8.7机器学习中的EE关系.mp4
8.8推荐系统中的EE思考.mp4
8.5汤普森采样.mp4
8.4UCB算法.mp4
8.3e贪心算法.mp4
8.6LinUCB.mp4
9.6从离线到在线.mp4
9.4在线层架构.mp4
9.1推荐系统架构设计.mp4
9.5系统架构演进原则.mp4
9.7基于DSL的系统架构设计.mp4
9.3离线层架构.mp4
9.2系统边界和外部依赖.mp4
10.1推荐系统的挑战以及前沿发展.mp4
10.6召回技术的局限性.mp4
10.4信息茧房.mp4
10.3相关性和因果性.mp4
10.7总结.mp4
10.2推荐结果显示.mp4
10.5转化率偏置问题.mp4
2.9贝叶斯决策理论[00-10-14][20230228-232012472].jpg
5.6用户兴趣扩展[00-07-58][20230228-231908807].jpg
8.8推荐系统中的EE思考[00-06-11][20230228-231828429].jpg
10.5转化率偏置问题[00-14-20][20230228-231838504].jpg
10.6召回技术的局限性[00-20-20][20230228-231844900].jpg
第22课时： 推荐系统方法讲解[00-37-57][20230228-23203509].jpg
第32课时 xDeepFM模型讲解[00-08-06][20230228-232044704].jpg
第32课时 xDeepFM模型讲解[00-17-32][20230228-232048880].jpg
