简介
- 1
【一、基础理论】
29次学习 - 2
01|为什么需要推荐系统
24次学习 - 3
02|推荐系统与搜索引擎的1个异同
11次学习 - 4
03|推荐系统2大核心步骤:召回、排序
9次学习 - 5
04|推荐系统经典架构及工作逻辑
7次学习 - 6
【二、经典方法-CB】
6次学习 - 7
05|基于内容的非个性化推荐架构设计
5次学习 - 8
06|基于内容的个性化推荐架构设计
6次学习 - 9
【三、经典方法-CF】
2次学习 - 10
07|基于协同的个性化推荐架构设计
5次学习 - 11
08|基于协同的2类经典算法:UB、IB
5次学习 - 12
【四、实现方案】
1次学习 - 13
09|协同过滤的经典实现方案-倒排序
3次学习 - 14
【五、案例实践】
2次学习 - 15
10|实践(数据预处理/取共现物品对/合并计算)
6次学习 - 16
【六、经验分享】
1次学习 - 17
11|什么是实时推荐?
7次学习 - 18
12|业界推荐系统召回与排序的主流方案
5次学习 - 19
13|业界冷启动的3个细分方案
3次学习 - 20
14|生产环境中如何完成新模型上线与模型升级(模型部署)
9次学习
没有任何内容哦