51CTO -推荐系统实战系列

📁 51CTO-推荐系统实战系列
📁 资料代码
📄 28 可视化例子演示.mp4
📄 34 项目所需环境配置安装.mp4
📄 70 特征可视化.mp4
📄 36 图谱查询与匹配操作.mp4
📄 31 知识图谱推荐系统效果演示.mp4
📄 65 LDA主题模型效果演示.mp4
📄 78 ngram结果可视化展示.mp4
📄 11 矩阵分解的目的与效果.mp4
📄 17 数据集整合.mp4
📄 50 一阶权重参数设计.mp4
📄 7 与深度学习的结合.mp4
📄 8 协同过滤与矩阵分解简介.mp4
📄 41 二阶公式推导与化简.mp4
📄 18 物品相似度计算与推荐.mp4
📄 55 环境配置与数据集介绍.mp4
📄 4 应用领域与多方位评估指标.mp4
📄 38 CTR估计及其经典方法概述.mp4
📄 20 基于矩阵分解的音乐推荐.mp4
📄 49 Index与Value数据制作.mp4
📄 62 文本数据预处理.mp4
📄 1 课程简介.mp4
📄 27 Neo4j数据库安装流程演示.mp4
📄 60 数据与环境配置介绍.mp4
📄 45 Embedding层的作用与总结.mp4
📄 73 推荐引擎构造.mp4
📄 10 相似度计算与推荐实例.mp4
📄 43 DeepFm整体架构解读.mp4
📄 21 知识图谱通俗解读.mp4
📄 47 广告点击数据预处理实例.mp4
📄 46 数据集介绍与环境配置.mp4
📄 68 数据与关键词信息.mp4
📄 22 知识图谱在搜索引擎中的应用.mp4
📄 64 矩阵分解演示.mp4
📄 5 任务流程与挑战概述.mp4
📄 39 高维特征带来的问题.mp4
📄 3 推荐系统发展简介.mp4
📄 72 缺失值填充方法.mp4
📄 77 文本词频统计.mp4
📄 76 数据与任务介绍.mp4
📄 58 模型测试集结果.mp4
📄 61 数据科学相关数据介绍.mp4
📄 42 FM算法解析.mp4
📄 32 kaggle电影数据集下载与配置.mp4
📄 53 完成FM模块计算.mp4
📄 63 TFIDF构建特征矩阵.mp4
📄 59 评估指标概述.mp4
📄 69 关键词云与直方图展示.mp4
📄 51 二阶特征构建方法.mp4
📄 37 相似度计算与推荐引擎构建.mp4
📄 81 得出推荐结果.mp4
📄 54 DNN模块与训练过程.mp4
📄 15 Embedding的作用.mp4
📄 67 数据与环境配置.mp4
📄 80 相似度计算.mp4
📄 6 常用技术点分析.mp4
📄 48 数据处理模块Embedding层.mp4
📄 25 数据获取分析.mp4
📄 29 创建与删除操作演示.mp4
📄 2 推荐系统通俗解读.mp4
📄 14 隐式情况分析.mp4
📄 30 数据库更改查询操作演示.mp4
📄 74 数据特征构造.mp4
📄 23 知识图谱在医疗领域应用实例.mp4
📄 66 推荐结果分析.mp4
📄 79 文本清洗.mp4
📄 40 二项式特征的作用与挑战.mp4
📄 9 基于用户与商品的协同过滤.mp4
📄 16 音乐推荐任务概述.mp4
📄 12 矩阵分解中的隐向量.mp4
📄 13 目标函数简介.mp4
📄 56 电影数据集预处理分析.mp4
📄 52 特征组合方法实例分析.mp4
📄 33 图谱需求与任务流程解读.mp4
📄 35 构建用户电影知识图谱.mp4
📄 75 得出推荐结果.mp4
📄 57 surprise工具包基本使用.mp4
📄 24 金融与推荐领域的应用.mp4
📄 19 SVD矩阵分解.mp4
📄 26 Neo4j图数据库介绍.mp4
📄 44 输入层所需数据样例.mp4
📄 71 数据清洗概述.mp4
📄 第六章：FM与DeepFM算法.pdf
📄 第十一章：补充-基于相似度的酒店推荐系统.exe
📄 第一章：推荐系统介绍.pdf
📄 第四章：Neo4j数据库实例.exe
📄 第八章：推荐系统常用工具包演示.exe
📄 第二章：协同过滤与矩阵分解.pdf
📄 第九章：基于文本数据的推荐实例.exe
📄 第三章：音乐推荐系统实战.exe
📄 第五章：基于知识图谱的电影推荐实战.exe
📄 第七章：DeepFM算法实战.exe
📄 第十章：基于统计分析的电影推荐.exe