深度学习推荐系统实战

课程来自王喆的深度学习推荐系统实战,带你从0到1搭建工业级推荐系统。近年来,深度学习已成为了驱动推荐、广告、搜索业务的最强引擎。天猫每次双十一2000亿以上的惊人成交量,抖音4年时间用户日活破6亿,这背后都有深度学习的强劲助力。

与之伴随的是人才的高竞争和知识的快迭代,在深度学习时代,想要成为一名优秀的推荐工程师,我们不应该只满足于继续使用协同过滤、矩阵分解这类传统方法,而应该加深对深度学习模型的理解,加强对大数据平台的熟悉程度,培养与业务相结合的技术直觉,提高我们整体的技术格局,这些才是我们能否取得成功的关键。

针对上面的目标,王喆老师根据自己多年的推荐系统从业经验,梳理出了深度学习推荐系统的知识架构,并期望在这门课中和你一起从0搭建一个“工业级”的深度学习推荐系统,实现理论、实战两手抓!

你将获得:
1.深度学习推荐系统的经典技术架构
2.Spark、TensorFlow、Flink等主流工具的实践经验
3.Embedding和多种深度推荐模型的原理和实现
4.亲手搭建一个完整的深度学习推荐系统

课程目录:
01-深度学习推荐系统的经典技术架构长啥样?
02-SparrowRecSys:我们要实现什么样的推荐系统?
03-深度学习基础:你打牢深度学习知识的地基了吗?
04-特征工程:推荐系统有哪些可供利用的特征?
05-特征处理:如何利用Spark解决特征处理问题?
06-Embedding:所有人都在谈的Embedding技术到底是什么?
07-Embedding进阶:如何利用图结构数据生成GraphEmbedding?
08-Embedding实战:如何使用Spark生成Item2vec和GraphEmbedding?
09-线上服务:如何在线上提供高并发的推荐服务?
10-存储模块:如何用Redis解决推荐系统特征的存储问题?
11-召回层:如何快速又准确地筛选掉不相关物品?
12-局部敏感哈希:如何在常数时间内搜索Embedding最近邻?
13-模型服务:怎样把你的离线模型部署到线上?
14-融会贯通:SparrowRecSys中的电影相似推荐功能是如何实现的?
15-协同过滤:最经典的推荐模型,我们应该掌握什么?
16-深度学习革命:深度学习推荐模型发展的整体脉络是怎样的?
17-Embedding-MLP:如何用TensorFlow实现经典的深度学习模型?
18-Wide&Deep:怎样让你的模型既有想象力又有记忆力?
19-NeuralCF:如何用深度学习改造协同过滤?
20-DeepFM:如何让你的模型更好地处理特征交叉?
21-注意力机制、兴趣演化:推荐系统如何抓住用户的心?
22-强化学习:让推荐系统像智能机器人一样自主学习
23-实战:如何用深度学习模型实现SparrowRecSys的个性化推荐功能?
24-离线评估:常用的推荐系统离线评估方法有哪些?
25-评估指标:我们可以用哪些指标来衡量模型的好坏?
26-在线测试:如何在推荐服务器内部实现AB测试?
27-评估体系:如何解决AB测试资源紧张的窘境?
28-业界经典:YouTube深度学习推荐系统的经典架构长什么样?
29-图神经网络:Pinterest是如何应用图神经网络的?
30-流处理平台:Flink是如何快速识别用户兴趣,实现实时推荐的?
31-模型迭代:阿里巴巴是如何迭代更新推荐模型的?
32-强化学习案例:美团是如何在推荐系统中落地强化学习的?
33-技术权衡:解决方案这么多,哪个最合适?
国庆策划-关于深度学习推荐系统,我有这些资料想推荐给你
国庆策划-深度学习推荐系统基础,你掌握了多少?
开篇词-从0开始搭建一个深度学习推荐系统
期末考试-“深度学习推荐系统”100分试卷等你来挑战!
模型实战准备(一)-TensorFlow入门和环境配置
模型实战准备(二)-模型特征、训练样本的处理
特别加餐-TensorFlow的模型离线评估实践怎么做?
特别加餐-“银弹”不可靠,最优的模型结构该怎么找?
答疑-基础架构篇-特征工程篇常见问题解答
答疑-线上服务篇留言问题详解
简介
结束语-深度学习时代需要什么样的推荐工程师?

资源下载此资源下载价格为8金币,VIP免费,请先
如有发现链接失效,请联系站长
资源下载
下载价格8 金币
VIP免费
如有发现链接失效,请联系站长
没有账号? 注册  忘记密码?