推荐系统三十六式

讲师介绍: “贝壳找房”资深算法专家,8年推荐系统工程师

img

声明:版权归极客时间和讲师所有,素材由code4flutter收集整理,请大家多多支持

开篇词 | 用知识去对抗技术不平等

01 | 你真的需要个性化推荐系统吗?

02 | 个性化推荐系统有哪些绕不开的经典问题?

03 | 这些你必须应该具备的思维模式

04 | 画鬼容易画人难:用户画像的“能”和“不能”

05 | 从文本到用户画像有多远

06 | 超越标签的内容推荐系统

07 | 人以群分,你是什么人就看到什么世界

08 | 解密“看了又看”和“买了又买”

09 | 协同过滤中的相似度计算方法有哪些

10 | 那些在Netflix Prize中大放异彩的推荐算法

11 | Facebook是怎么为十亿人互相推荐好友的

12 | 如果关注排序效果,那么这个模型可以帮到你

13 | 经典模型融合办法:线性模型和树模型的组合拳

14 | 一网打尽协同过滤、矩阵分解和线性模型

15 | 深度和宽度兼具的融合模型 Wide and Deep

16 | 简单却有效的Bandit算法

17 | 结合上下文信息的Bandit算法

18 | 如何将Bandit算法与协同过滤结合使用

19 | 深度学习在推荐系统中的应用有哪些?

20 | 用RNN构建个性化音乐播单

21 | 构建一个科学的排行榜体系

22 | 实用的加权采样算法

23 | 推荐候选池的去重策略

24 | 典型的信息流架构是什么样的

25 | Netflix个性化推荐架构

26 | 总览推荐架构和搜索、广告的关系

27 | 巧妇难为无米之炊:数据采集关键要素

28 | 让你的推荐系统反应更快:实时推荐

29 | 让数据驱动落地,你需要一个实验平台

30 | 推荐系统服务化、存储选型及API设计

31 | 推荐系统的测试方法及常用指标介绍

32 | 道高一尺魔高一丈:推荐系统的攻防

33 | 和推荐系统有关的开源工具及框架介绍

34 | 推荐系统在互联网产品商业链条中的地位

35 | 说说信息流的前世今生

36 | 组建推荐团队及工程师的学习路径

加餐 | 推荐系统的参考阅读

结束语 | 遇“荐”之后,江湖再见

results matching ""

    No results matching ""