机器学习与电影推荐系统实战教程,打开算法工程师的大门

课程通过理论和实际的紧密结合,清华大学硕士亲授,可以使学员对推荐系统这一大数据应用有充分的认识和理解,在项目实战中对大数据的相关工具和知识做系统的回顾,并且可以掌握基本算法,入门机器学习这一前沿领域,为未来发展提供更多的选择,打开通向算法工程师的大门。

本课程主要分为两部分,机器学习和推荐系统基础,与电影推荐系统项目实战。

第一部分主要是机器学习和推荐系统基础理论的讲解,涉及到各种重要概念和基础算法,并对一些算法用Python做了实现。

第二部分以电影网站作为业务应用场景,介绍推荐系统的开发实战。其中包括了如统计推荐、基于LFM的离线推荐、基于模型的实时推荐、基于内容的推荐等多个模块的代码实现,并与各种工具进行整合互接,构成完整的项目应用。

谁适合学:
1.有一定的 Java、Scala 基础,希望了解大数据应用方向的编程人员
2.有Java、Scala 开发经验,了解大数据相关知识,希望增加项目经验的开发人员
3.有较好的数学基础,希望学习机器学习和推荐系统相关算法的求职人员

课程目录:
│ 01.机器学习和推荐系统介绍.wmv
│ 02.推荐系统简介_概述.wmv
│ 03.推荐系统简介_推荐系统算法简介.wmv
│ 04.推荐系统简介_推荐系统评测.wmv
│ 05.机器学习入门_数学基础(上).wmv
│ 06.机器学习入门_数学基础(下).wmv
│ 07.机器学习入门_机器学习概述.wmv
│ 08.机器学习入门_监督学习(上).wmv
│ 09.机器学习入门_监督学习(中).wmv
│ 10.机器学习入门_监督学习(下).wmv
│ 11.机器学习模型和算法_python简介.wmv
│ 12.机器学习模型和算法_python基础语法(上).wmv
│ 13.机器学习模型和算法_python基础语法(下).wmv
│ 14.机器学习模型和算法_线性回归(上).wmv
│ 15.机器学习模型和算法_线性回归最小二乘代码实现(上).wmv
│ 16.机器学习模型和算法_线性回归最小二乘代码实现(下).wmv
│ 17.机器学习模型和算法_线性回归(下).wmv
│ 18.机器学习模型和算法_线性回归梯度下降代码实现.wmv
│ 19.机器学习模型和算法_线性回归调用sklearn库代码实现.wmv
│ 20.机器学习模型和算法_K近邻.wmv
│ 21.机器学习模型和算法_K近邻代码实现(上).wmv
│ 22.机器学习模型和算法_K近邻代码实现(中).wmv
│ 23.机器学习模型和算法_K近邻代码实现(下).wmv
│ 24.机器学习模型和算法_逻辑回归(上).wmv
│ 25.机器学习模型和算法_逻辑回归(下).wmv
│ 26.机器学习模型和算法_决策树.wmv
│ 27.机器学习模型和算法_K均值聚类.wmv
│ 28.机器学习模型和算法_K均值聚类代码实现(上).wmv
│ 29.机器学习模型和算法_K均值聚类代码实现(下).wmv
│ 30.推荐系统_推荐系统算法详解(一).wmv
│ 31.推荐系统_推荐系统算法详解(二).wmv
│ 32.推荐系统_推荐系统算法详解(三).wmv
│ 33.推荐系统_TF-IDF算法代码示例.wmv
│ 34.推荐系统_推荐系统算法详解(四).wmv
│ 35.推荐系统_推荐系统算法详解(五).wmv
│ 36.推荐系统_LFM梯度下降算法代码实现(上).wmv
│ 37.推荐系统_LFM梯度下降算法代码实现(下).wmv
│ 38.电影推荐系统_项目系统设计(上).wmv
│ 39.电影推荐系统_项目系统设计(中).wmv
│ 40.电影推荐系统_项目系统设计(下).wmv
│ 41.电影推荐系统_项目框架搭建.wmv
│ 42.电影推荐系统_数据加载模块(一).wmv
│ 43.电影推荐系统_数据加载模块(二).wmv
│ 44.电影推荐系统_数据加载模块(三).wmv
│ 45.电影推荐系统_数据加载模块(四).wmv
│ 46.电影推荐系统_数据加载模块(五).wmv
│ 47.电影推荐系统_统计推荐模块(上).wmv
│ 48.电影推荐系统_统计推荐模块(中).wmv
│ 49.电影推荐系统_统计推荐模块(下).wmv
│ 50.电影推荐系统_基于LFM的离线推荐模块(上).wmv
│ 51.电影推荐系统_基于LFM的离线推荐模块(中).wmv
│ 52.电影推荐系统_基于LFM的离线推荐模块(下).wmv
│ 53.电影推荐系统_ALS模型评估和参数选取(上).wmv
│ 54.电影推荐系统_ALS模型评估和参数选取(下).wmv
│ 55.电影推荐系统_实时推荐模块(一).wmv
│ 56.电影推荐系统_实时推荐模块(二).wmv
│ 57.电影推荐系统_实时推荐模块(三).wmv
│ 58.电影推荐系统_实时推荐模块(四).wmv
│ 59.电影推荐系统_实时推荐模块(五).wmv
│ 60.电影推荐系统_实时推荐模块测试.wmv
│ 61.电影推荐系统_基于内容推荐模块(一).wmv
│ 62.电影推荐系统_基于内容推荐模块(二).wmv
│ 63.电影推荐系统_基于内容推荐模块(三).wmv
│ 64.电影推荐系统_基于内容推荐模块(四).wmv
│ 65.电影推荐系统_实时系统联调测试(上).wmv
│ 66.电影推荐系统_实时系统联调测试(下).wmv

└─00.配套资料(代码、笔记、资料)

├─1.笔记
│ 1_推荐系统简介.pdf
│ 2_数学基础.pdf
│ 3_机器学习基础.pdf
│ 4_机器学习模型.pdf
│ 5_推荐系统算法详解.pdf
│ 6_电影推荐系统设计.pdf
│ jupyter notebook安装使用.docx
│ Python简单教程.docx
│ 尚硅谷大数据技术之电影推荐系统.pdf

└─3.代码

├─01_算法代码_JupyterNotebook
│ │ 1_线性回归最小二乘法.ipynb
│ │ 2_线性回归梯度下降法.ipynb
│ │ 3_线性回归调sklearn库实现.ipynb
│ │ 4_knn代码实现.ipynb
│ │ 5_kmeans代码实现.ipynb
│ │ 6_tfidf代码实现.ipynb
│ │ 7_LFM梯度下降代码实现.ipynb
│ │ data.csv
│ │
│ └─.ipynb_checkpoints
│ 1_线性回归最小二乘法-checkpoint.ipynb
│ 2_线性回归梯度下降法-checkpoint.ipynb
│ 3_线性回归调sklearn库实现-checkpoint.ipynb
│ 4_knn代码实现-checkpoint.ipynb
│ 5_kmeans-checkpoint.ipynb
│ 5_kmeans代码实现-checkpoint.ipynb
│ 6_tfidf代码实现-checkpoint.ipynb
│ 7_LFM梯度下降-checkpoint.ipynb
│ 7_LFM梯度下降代码实现-checkpoint.ipynb

└─02_项目代码_MovieRecommendSystem
MovieRecommendSystem.rar

资源下载此资源下载价格为10金币,请先
如有发现链接失效,请联系站长
资源下载
下载价格:10 金币
VIP优惠: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?