BAT大牛亲授 个性化推荐算法实战

Posted 2021-01-23 hc-niuniu

第1章 个性化推荐算法综述
个性化推荐算法综述部分，主要介绍个性化推荐算法综述，本课程内容大纲以及本课程所需要准备的编程环境与基础知识。

第2章 基于邻域的个性化召回算法LFM
本章节重点介绍一种基于邻域的个性化召回算法，LFM。从LFM算法的理论知识与数学原理进行介绍。并结合公开数据集，代码实战LFM算法。

第3章 基于图的个性化推荐召回算法personal rank
本章节重点介绍一种基于图的个性化推荐召回算法personal rank。从personal rank算法的理论知识与数学原理进行介绍。并结合公开数据集，代码实战personal rank算法的基础版本与矩阵升级版本。

第4章 基于深度学习的个性化召回算法item2vec
本章节重点介绍一种基于深度学习的个性化召回算法item2vec。从item2vec的背景与物理意义以及算法的主流程进行介绍。并对该算法依赖的模型word2vec数学原理进行浅析。最后结合公开数据集代码实战item2vec算法。

第5章 基于内容的推荐方法content based
本章节重点介绍一种基于内容的推荐方法content based。从content based算法的背景与主体流程进行介绍。并代码实战content based算法。

第6章 个性化召回算法总结与回顾
本章节重点总结前面几章节介绍过的个性化召回算法。并介绍如何从离线与在线两个大方面评估新增一种个性化召回算法时的收益。

第7章 综述学习排序
综述学习排序的思路，并介绍工业界排序架构以及本课程重点讲解的学习排序模型。

第8章 浅层排序模型逻辑回归
本章节重点介绍一种排序模型，逻辑回归模型。从逻辑回归模型的背景知识与数学原理进行介绍。并介绍样本选择与特征选择相关知识。最后结合公开数据集。代码实战训练可用的逻辑回归模型。

第9章 浅层排序模型gbdt
本章节重点介绍排序模型gbdt。分别介绍梯度提升树以及xgboost的数学原理。并介绍gbdt与LR模型的混合模型网络。最合结合公开数据集，代码实战训练gbdt模型以及gbdt与LR混合模型。

第10章 基于深度学习的排序模型wide and deep
本章节重点介绍一种基于深度学习的排序模型wide and deep。从wide and deep的网络结构与数学原理进行介绍。最后结合公开数据集。代码实战wd模型。

第11章 排序模型总结与回顾
本章节重点总结前面几章节所讲述的排序模型。并介绍如何在线与离线评估排序模型的表现。

第12章 本课程回顾与总结
本章节重点回顾本课程所讲述的所有内容。从个性化推荐算法离线架构与在线架构两个大方面一起总结回顾课程的点滴。

下载地址:BAT大牛亲授 个性化推荐算法实战