BAT大牛親授 個性化推薦算法實戰

BAT大牛親授 個性化推薦算法實戰

資源獲取：BAT大牛親授 個性化推薦算法實戰
推薦算法工程師已成爲各個大廠煊赫一時的崗位，社招起步薪資20k+！本課程，講師從算法原理到代碼實戰，細緻的講解個性化推薦算法如何在開發中落地，讓你能夠創建起本身的推薦算法體系。同時也能夠讓你掌握算法公式，模型參數迭代等技術的微小細節。

適合人羣

在校研究個性化推薦算法方向的學生

在校對個性化推薦算法感興趣且有必定數學基礎的同窗

工做中從事個性化推薦工做的同窗

工做中對個性化推薦算法感興趣想要了解的同窗

技術儲備要求

熟悉數據結構：包括不限於數組，哈希，樹，二分圖

熟悉經常使用數學知識：包括不限於導數，鏈導法則，矩陣，稀疏矩陣

熟悉經常使用python語法。

章節目錄：
第1章 個性化推薦算法綜述 試看3 節 | 34分鐘
個性化推薦算法綜述部分，主要介紹個性化推薦算法綜述，本課程內容大綱以及本課程所須要準備的編程環境與基礎知識。

收起列表
視頻：
1-1 個性化推薦算法課程導學 (12:22)
試看
視頻：
1-2 個性化推薦算法綜述 (13:14)
試看
視頻：
1-3 個性化召回算法綜述 (08:11)
試看
第2章 基於鄰域的個性化召回算法LFM6 節 | 90分鐘
本章節重點介紹一種基於鄰域的個性化召回算法，LFM。從LFM算法的理論知識與數學原理進行介紹。並結合公開數據集，代碼實戰LFM算法。

收起列表
視頻：
2-1 LFM算法綜述 (10:00)
視頻：
2-2 LFM算法的理論基礎與公式推導 (14:44)
視頻：
2-3 基礎工具函數的代碼書寫 (14:57)
視頻：
2-4 LFM算法訓練數據抽取 (15:37)
視頻：
2-5 LFM模型訓練 (19:24)
視頻：
2-6 基於LFM的用戶個性化推薦與推薦結果分析 (14:23)
第3章 基於圖的個性化推薦召回算法personal rank7 節 | 85分鐘
本章節重點介紹一種基於圖的個性化推薦召回算法personal rank。從personal rank算法的理論知識與數學原理進行介紹。並結合公開數據集，代碼實戰personal rank算法的基礎版本與矩陣升級版本。

收起列表
視頻：
3-1 personal rank算法的背景與物理意義 (11:03)
視頻：
3-2 personal rank 算法的數學公式推導 (09:43)
視頻：
3-3 代碼構建用戶物品二分圖 (10:52)
視頻：
3-4 代碼實戰personal rank算法的基礎版本 (21:20)
視頻：
3-5 代碼實戰personal rank算法矩陣版本上 (16:56)
視頻：
3-6 代碼實戰personal rank算法的矩陣版本下 -1 (02:10)
視頻：
3-7 代碼實戰personal rank算法的矩陣版本下-2 (11:58)
第4章 基於深度學習的個性化召回算法item2vec6 節 | 79分鐘
本章節重點介紹一種基於深度學習的個性化召回算法item2vec。從item2vec的背景與物理意義以及算法的主流程進行介紹。並對該算法依賴的模型word2vec數學原理進行淺析。最後結合公開數據集代碼實戰item2vec算法。

收起列表
視頻：
4-1 item2vec算法的背景與物理意義 (12:53)
視頻：
4-2 item2vec依賴模型word2vec之cbow數學原理介紹 (15:59)
視頻：
4-3 item2vec依賴模型word2vec之skip gram數學原理介紹 (09:25)
視頻：
4-4 代碼生成item2vec模型所需訓練數據 (08:25)
視頻：
4-5 word2vec運行參數介紹與item embedding (14:56)
視頻：
4-6 基於item bedding產出物品類似度矩陣與item2vec推薦流程梳理 (16:57)
第5章 基於內容的推薦方法content based3 節 | 49分鐘
本章節重點介紹一種基於內容的推薦方法content based。從content based算法的背景與主體流程進行介紹。並代碼實戰content based算法。

收起列表
視頻：
5-1 content based算法理論知識介紹 (11:44)
視頻：
5-2 content based算法代碼實戰之工具函數的書寫 (17:18)
視頻：
5-3 用戶刻畫與基於內容推薦的代碼實戰。 (19:08)
第6章 個性化召回算法總結與回顧1 節 | 11分鐘
本章節重點總結前面幾章節介紹過的個性化召回算法。並介紹如何從離線與在線兩個大方面評估新增一種個性化召回算法時的收益。

收起列表
視頻：
6-1 個性化召回算法總結與評估方法的介紹。 (10:34)
第7章 綜述學習排序1 節 | 13分鐘
綜述學習排序的思路，並介紹工業界排序架構以及本課程重點講解的學習排序模型。

收起列表
視頻：
7-1 學習排序綜述 (12:01)
第8章 淺層排序模型邏輯迴歸10 節 | 159分鐘
本章節重點介紹一種排序模型，邏輯迴歸模型。從邏輯迴歸模型的背景知識與數學原理進行介紹。並介紹樣本選擇與特徵選擇相關知識。最後結合公開數據集。代碼實戰訓練可用的邏輯迴歸模型。

收起列表
視頻：
8-1 邏輯迴歸模型的背景知識介紹 (14:08)
視頻：
8-2 邏輯迴歸模型的數學原理 (13:47)
視頻：
8-3 樣本選擇與特徵選擇相關知識 (13:36)
視頻：
8-4 代碼實戰LR之樣本選擇 (12:09)
視頻：
8-5 代碼實戰LR之離散特徵處理 (19:58)
視頻：
8-6 代碼實戰LR之連續特徵處理 (15:31)
視頻：
8-7 LR模型的訓練 (13:33)
視頻：
8-8 LR模型在測試數據集上表現-上 (17:38)
視頻：
8-9 LR模型在測試數據集上表現-下 (21:03)
視頻：
8-10 LR模型訓練之組合特徵介紹 (17:01)
第9章 淺層排序模型gbdt9 節 | 125分鐘
本章節重點介紹排序模型gbdt。分別介紹梯度提高樹以及xgboost的數學原理。並介紹gbdt與LR模型的混合模型網絡。最合結合公開數據集，代碼實戰訓練gbdt模型以及gbdt與LR混合模型。

收起列表
視頻：
9-1 背景知識介紹之決策樹 (14:54)
視頻：
9-2 梯度提高樹的數學原理與構建流程 (14:12)
視頻：
9-3 xgboost數學原理介紹 (11:27)
視頻：
9-4 gbdt與LR混合模型網絡介紹 (07:25)
視頻：
9-5 代碼訓練gbdt模型 (16:27)
視頻：
9-6 gbdt模型最優參數選擇 (10:23)
視頻：
9-7 代碼訓練gbdt與LR混合模型 (19:22)
視頻：
9-8 模型在測試數據集表現 上 (22:56)
視頻：
9-9 模型在測試數據集表現 下 (07:47)
第10章 基於深度學習的排序模型wide and deep6 節 | 85分鐘
本章節重點介紹一種基於深度學習的排序模型wide and deep。從wide and deep的網絡結構與數學原理進行介紹。最後結合公開數據集。代碼實戰wd模型。

收起列表
視頻：
10-1 背景知識介紹之什麼是深度學習 (11:06)
視頻：
10-2 DNN網絡結構與反向傳播算法 (17:23)
視頻：
10-3 wide and deep網絡結構與數學原理介紹 (11:12)
視頻：
10-4 .代碼實戰wd模型之wide側與deep側特徵構建 (16:00)
視頻：
10-5 代碼實戰wd模型之模型對象的構建 (11:09)
視頻：
10-6 wd模型的訓練與模型在測試數據集上的表現 (17:17)
第11章 排序模型總結與回顧1 節 | 13分鐘
本章節重點總結前面幾章節所講述的排序模型。並介紹如何在線與離線評估排序模型的表現。

收起列表
視頻：
11-1 學習排序部分總結與回顧 (12:06)
第12章 本課程回顧與總結1 節 | 8分鐘
本章節重點回顧本課程所講述的全部內容。從個性化推薦算法離線架構與在線架構兩個大方面一塊兒總結回顧課程的點滴。

收起列表視頻：12-1 個性化推薦算法實戰課程總結與回顧 (07:11)本課程已完結