python学习推荐系统_推荐系统实战系列(Python)

适用人群

数据科学领域的同学们

课程概述推荐系统实战系列课程旨在帮助同学们快速掌握推荐系统领域常用算法及其建模应用实例。全程基于Python及其开源工具实战演示各大推荐引擎构建方法,基于真实数据集进行建模与应用实战。整体风格通俗易懂,适合入门与进阶的同学们加入学习(攻城狮高清视频无课件)。

目录

章节1:推荐系统介绍及其应用试看

课时1视频课程简介08:52可试看

课时2视频推荐系统通俗解读07:35可试看

课时3视频推荐系统发展简介09:23可试看

课时4视频应用领域与多方位评估指标09:02

课时5视频任务流程与挑战概述10:35

课时6视频常用技术点分析06:54

课时7视频与深度学习的结合08:44

课时8文本课程所需PPT、数据、代码下载(网页登录)

章节2:协同过滤与矩阵分解试看

课时9视频协同过滤与矩阵分解简介04:36可试看

课时10视频基于用户与商品的协同过滤08:15

课时11视频相似度计算与推荐实例06:19

课时12视频矩阵分解的目的与效果09:00

课时13视频矩阵分解中的隐向量09:18

课时14视频目标函数简介05:18

课时15视频隐式情况分析05:53

课时16视频Embedding的作用04:08

章节3:音乐推荐系统实战

课时17视频音乐推荐任务概述17:35

课时18视频数据集整合08:19

课时19视频基于物品的协同过滤13:17

课时20视频物品相似度计算与推荐19:14

课时21视频SVD矩阵分解16:54

课时22视频基于矩阵分解的音乐推荐14:44

章节4:知识图谱与Neo4j数据库实例试看

课时23视频知识图谱通俗解读07:55可试看

课时24视频知识图谱在搜索引擎中的应用08:08

课时25视频知识图谱在医疗领域应用实例13:24

课时26视频金融与推荐领域的应用08:31

课时27视频数据获取分析10:20

课时28视频Neo4j图数据库介绍08:33

课时29视频Neo4j数据库安装流程演示07:09

课时30视频可视化例子演示09:08

课时31视频创建与删除操作演示08:40

课时32视频数据库更改查询操作演示08:35

章节5:基于知识图谱的电影推荐实战试看

课时33视频知识图谱推荐系统效果演示05:35可试看

课时34视频kaggle电影数据集下载与配置08:24

课时35视频图谱需求与任务流程解读07:18

课时36视频项目所需环境配置安装10:00

课时37视频构建用户电影知识图谱11:36

课时38视频图谱查询与匹配操作05:33

课时39视频相似度计算与推荐引擎构建09:40

章节6:点击率估计FM与DeepFM算法

课时40视频CTR估计及其经典方法概述07:48

课时41视频高维特征带来的问题04:42

课时42视频二项式特征的作用与挑战04:57

课时43视频二阶公式推导与化简08:33

课时44视频FM算法解析08:15

课时45视频DeepFm整体架构解读05:18

课时46视频输入层所需数据样例05:17

课时47视频Embedding层的作用与总结08:06

章节7eepFM算法实战

课时48视频数据集介绍与环境配置10:52

课时49视频广告点击数据预处理实例10:36

课时50视频数据处理模块Embedding层07:31

课时51视频Index与Value数据制作06:52

课时52视频一阶权重参数设计07:25

课时53视频二阶特征构建方法07:35

课时54视频特征组合方法实例分析12:14

课时55视频完成FM模块计算05:21

课时56视频DNN模块与训练过程08:14

章节8:推荐系统常用工具包演示

课时57视频环境配置与数据集介绍08:08

课时58视频电影数据集预处理分析08:49

课时59视频surprise工具包基本使用07:19

课时60视频模型测试集结果07:04

课时61视频评估指标概述11:28

章节9:基于文本数据的推荐实例

课时62视频数据与环境配置介绍05:30

课时63视频数据科学相关数据介绍06:29

课时64视频文本数据预处理06:42

课时65视频TFIDF构建特征矩阵09:52

课时66视频矩阵分解演示06:34

课时67视频LDA主题模型效果演示09:54

课时68视频推荐结果分析05:44

章节10:基于统计分析的电影推荐

课时69视频数据与环境配置12:53

课时70视频数据与关键词信息10:09

课时71视频关键词云与直方图展示06:16

课时72视频特征可视化09:12

课时73视频数据清洗概述09:09

课时74视频缺失值填充方法07:55

课时75视频推荐引擎构造10:48

课时76视频数据特征构造09:43

课时77视频得出推荐结果10:53

章节11:补充-基于相似度的酒店推荐系统

课时78视频数据与任务介绍05:25

课时79视频文本词频统计07:22

课时80视频ngram结果可视化展示12:36

课时81视频文本清洗10:09

课时82视频相似度计算08:23

课时83视频得出推荐结果08:50

你可能感兴趣的:(python学习推荐系统)