- 【19期-01】开学典礼+推荐系统架构
- 开学典礼1
- 课程概览2
- 推荐系统架构04
- 推荐系统简介03
- 【19期-02】基于物品的协同过滤+kmenas
- 1回顾+协同过滤理论
- 2协同过滤业界问题+代码
- 03_回顾+基于用户的协同过滤
- 04_基于物品的协同过滤+业界应用
- 【19期-03】基于聚类kmenas+MR
- 01_知识回顾+基于物品的协同过滤
- 02_kmeans聚类算法+聚类推荐
- 03_回顾+标准化_归一化
- 04_聚类算法详解
- 【19期-04】hadoop+HDFS+MR
- 01hadoop+hdfs
- 02hadoop+mapreduce
- 03_hadoop+mapreduce深度分析
- 04_combiner
- 【19期-05】hadoop实战
- 案例01
- 案例02
- 案例03
- 案例04
- 【19期-06】hadoop结尾+hive
- 01Hadoop实现k-means
- 02hadoop完结
- 03hive开端
- 04hive函数
- 【19期-07】hive作业+hive优化上
- hive分区表03
- hive优化案例上04
- hive作业01
- hive作业02
- 【19期-08】hive优化下+spark开端
- 01hive优化
- 02hive优化
- 03hiveudf
- 04yarn+spark内部运行逻辑
- 【19期-09】spark基础+spark优化+召回项目
- 01spark原理上
- 02spark原理下宽窄依赖
- 03spark-scala案例学习
- 04spark常用trans算子和action孙子
- 【19期-10】召回项目01
- 01基于内容的召回逻辑
- 02基于用户协同过滤的召回
- 03spark基于物品和基于用户的召回
- 04基于矩阵分解的召回模式
- 【19期-11】召回项目02_基于模型的召回
- 01基于模型的推荐系统复习+机器学初识
- 02用户物品矩阵分解原理
- 03引入用户物品偏执的lfm模型
- 04代码解析spark+python
- 【19期-12】召回项目03_基于i2i的召回模式
- 01分类问题+lr
- 02逻辑回归实现的两种方式tf+sklearn
- 03lr处理离散特征onehot+onehotmap
- 04dnn+线性不可分+tf实现dnn
- 【19期-13】召回项目04_基于i2i的深度召回模型
- 1.word2vector01
- 2.word2vector02
- 3.word2vector03代码分析
- 4.如何根据用户行为生成物品的item2vector
- 【19期-14】召回项目05_召回融合+数据格式
- 01回顾item2vector
- 02tfidf+item2vector+hnsw实现极速召回
- 03多路召回融合+权重动态分配
- 04算法前的数据格式说明
- 【19期-15】召回项目06_深度融合+评价指标
- 1问题解答
- 2.深度模型的dssm召回
- 03dssm源码分析
- 04模型评价指标
- 【19期-16】召回项目07_牛逼的fm
- 01auc细讲
- 02auc的二种计算方式以及fm
- 03fm的优化逻辑
- 04embedding设计以及fm源码解析
- 【19期-17】召回fm+youtubenet+gbdt+wide+deep
- 01fm召回
- 02fm召回源码分析+youtube理论
- 03youbutu理论+源码解读
- 04决策树开始
- 【19期-18】排序+树模型+gbdt+wide+deep
- 01推荐流程回归+决策树模型
- 02决策树+gdbt
- 03如何用gdbt来做特征+gbdt+lr
- 04gbdt+xgb
- 【19期-19】transformer+wide+deep
- 01_排序前奏
- 02transformer理论
- 03transformer源码分析之encoder
- 04transformer源码分析之decoder
- 【19期-20】deepfm+din+flume+kafka+hbase
- 上午01数据整个流程
- 上午02widedeep
- 下午03flume+hbase+din
- 【19期-21】kafka+sparkstreaming+简历辅导
- 01kafka
- 02sparkstreaming上
- 03sparkstreaming消费kafka两种方式
- spark完结+简历如何写