BAT大牛亲授 个性化推荐算法实战

admin

当今互联网行业，无论在信息流，电商，o2o等产品中，个性化推荐算法都在其中扮演着极其重要的角色。推荐算法工程师也成为各个大厂炙手可热的岗位，社招起步薪资20k+！本课程，讲师从算法原理到代码实战，细致的讲解个性化推荐算法如何在开发中落地，让你可以建立起自己的推荐算法体系。该课程不仅能让你有归纳抽象总揽全局，设计项目算法架构的视野，同时也可以让你掌握算法公式，模型参数迭代等技术的微小细节。

适合人群：

在校研究个性化推荐算法方向的小伙伴，在校对个性化推荐算法感兴趣且有一定数学基础的小伙伴，工作中从事个性化推荐工作的小伙伴，工作中对个性化推荐算法感兴趣想要了解的小伙伴。

技术储备：

熟悉数据结构：包括不限于数组，哈希，树，二分图！熟悉常用数学知识：包括不限于导数，链导法则，矩阵，稀疏矩阵！熟悉常用python语法！

多种个性化召回算法：从背景知识，物理意义，数学原理，代码实战等方面详细解析。从数学原理到代码实战，每一个算法细节给你讲解到位，每一个算法都借助实例讲解+详细数学推导，让你真正明白算法的原理。

【课程目录】

第1章 个性化推荐算法综述

1-1 个性化推荐算法综述
1-2 个性化召回算法综述

第2章 基于邻域的个性化召回算法LFM

2-1 LFM算法综述
2-2 LFM算法的理论基础与公式推导
2-3 基础工具函数的代码书写
2-4 LFM算法训练数据抽取
2-5 LFM模型训练
2-6 基于LFM的用户个性化推荐与推荐结果分析

第3章 基于图的个性化推荐召回算法personal rank

3-1 personal rank算法的背景与物理意义
3-2 personal rank 算法的数学公式推导
3-3 代码构建用户物品二分图
3-4 代码实战personal rank算法的基础版本
3-5 代码实战personal rank算法矩阵版本

第4章 基于深度学习的个性化召回算法item2vec

4-1 item2vec算法的背景与物理意义
4-2 item2vec依赖模型word2vec之cbow数学原理介绍
4-3 item2vec依赖模型word2vec之skip gram数学原理介绍
4-4 代码生成item2vec模型所需训练数据
4-5 word2vec运行参数介绍与item embedding
4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理

第5章 基于内容的推荐方法content based

5-1 content based算法理论知识介绍
5-2 content based算法代码实战之工具函数的书写
5-3 用户刻画与基于内容推荐的代码实战。

第6章 个性化召回算法总结与回顾

6-1 个性化召回算法总结与评估方法的介绍。

第7章 综述学习排序

7-1 学习排序综述

第8章 浅层排序模型逻辑回归

8-1 逻辑回归模型的背景知识介绍
8-2 逻辑回归模型的数学原理
8-3 样本选择与特征选择相关知识
8-4 代码实战LR之样本选择
8-5 代码实战LR之离散特征处理
8-6 代码实战LR之连续特征处理
8-7 LR模型的训练
8-8 LR模型在测试数据集上表现
8-9 LR模型训练之组合特征介绍

第9章 浅层排序模型gbdt

9-1 背景知识介绍之决策树
9-2 梯度提升树的数学原理与构建流程
9-3 xgboost数学原理介绍
9-4 gbdt与LR混合模型网络介绍
9-5 代码训练gbdt模型
9-6 gbdt模型最优参数选择
9-7 代码训练gbdt与LR混合模型
9-8 模型在测试数据集表现

下载地址

游客，如果您要查看本帖隐藏内容请回复

菜鸟程序员

BAT大牛亲授 个性化推荐算法实战

简小飞

谢谢分享

qq1567

想学习推荐系统项目