TA的每日心情 | 开心 2024-9-19 21:14 |
---|
签到天数: 757 天 [LV.10]以坛为家III
管理员
- 积分
- 1312455
|
资源详情
【课程目录】
第1章个忄生化推荐算法综述
1-1个忄生化推荐算法综述
1-2个忄生化召回算法综述
第2章基于邻域的个忄生化召回算法LFM
2-1LFM算法综述
2-2LFM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
2-4LFM算法训练数据抽取
2-5LFM模型训练
2-6基于LFM的用户个忄生化推荐与推荐结果分析
第3章基于图的个忄生化推荐召回算法personalrank
3-1personalrank算法的背景与物理意义
3-2personalrank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personalrank算法的基础版本
3-5代码实战personalrank算法矩阵版本
第4章基于深度学习的个忄生化召回算法item2vec
4-1item2vec算法的背景与物理意义
4-2item2vec依赖模型word2vec之cbow数学原理介绍
4-3item2vec依赖模型word2vec之skipgram数学原理介绍
4-4代码生成item2vec模型所需训练数据
4-5word2vec运行参数介绍与itemembedding
4-6基于itembedding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contentbased
5-1contentbased算法理论知识介绍
5-2contentbased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章个忄生化召回算法总结与回顾
6-1个忄生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
8-7LR模型的训练
8-8LR模型在测试数据集上表现
8-9LR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
9-3xgboost数学原理介绍
9-4gbdt与LR混合模型网络介绍
9-5代码训练gbdt模型
9-6gbdt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
|
|