参考博客链接

  1. Word2Vec 算法学习
    word2vec 中的数学原理详解
    word2vec详解
    Skip-Gram模型理解
    CBOW模型

  2. Text-CNN 算法模型
    Text-CNN文本分类
    项目参考

  3. 推荐算法
    召回算法和业界最佳实践
    Match 模块
    FM模型
    重排序-CTR-Wide&Deep模型
    Wide&Deep模型
    解读阿里的Deep Image CTR Model
    推荐流程设计
    DeepFM在贝壳房源详情页推荐场景的实践

今日头条、抖音推荐算法原理全文详解!

  1. 深入理解LightGBM

2019腾讯广告算法大赛冠军方案分享(附代码)

推荐算法论文

工作重点:
数据的基本处理、转换、清洗等
在线及离线的数据处理
特征工程(特征选择,特征降维、特征编码,特征组合等)
算法(算法选择及调参、优化等)
存储层几个数据库的作用:
hive:存储中间及结果数据,数据分析,主要用于离线层使用。
hdfs: 训练集数据保存,model保存
redis:kv缓存数据库,推荐结果写入
hbase : 海量列存储kv数据库,写入各维度特征值,供在线调用

TensorFlow教程

1.tensorflow feature_column详解

2.Federated Framework 联邦学习框架

3.TensorFlow

你可能感兴趣的:(学习资源)