慕课网 BAT大牛亲授 个性化推荐算法实战（可用于毕设）

课程目录

【第01章】
1-1个性化推荐算法综述-.mp4
1-2个性化召回算法综述-.mp4
【第02章】
2-1lfm算法综述-.mp4
2-2lfm算法的理论基础与公式推导-.mp4
2-3基础工具函数的代码书写-.mp4
2-4lfm算法训练数据抽取-.mp4
2-5lfm模型训练-.mp4
2-6基于lfm的用户个性化推荐与推荐结果分析-mp4
【第03章】
3-1personal rank算法的背景与物理意义-.mp4
3-2personalrank算法的数学公式推导-.mp4
3-3代码构建用户物品二分图-.mp4
3-4代码实战personal rank算法的基础版本-.mp4
3-5代码实战personalrank算法矩阵版本上-.mp4
3-6代码实战personalrank算法的矩阵版本下-1-.mp4
3-7代码实战personal rank算法的矩阵版本下-2-.mp4
【第04章】
4-1item2vec算法的背景与物理意义-.mp4
4-2item2vec依赖模型word2vec之cbow数学原理介绍-.mp4
4-3item2vec依赖模型word2vec之skipgram数学原理介绍-.mp4
4-4代码生成item2vec模型所需训练数据-.mp4
4-5word2vec运行参数介绍与item embedding-.mp4
4-6基于itembedding产出物品相似度矩阵与item2vec推荐流程梳理-1.mp4
4-6基于itembedding产出物品相似度矩阵与item2vec推荐流程梳理-2.mp4
【第05章】
5-1contentbased算法理论知识介绍-.mp4
5-2contentbased算法代码实战之工具函数的书写-.mp4
5-3用户刻画与基于内容推荐的代码实战。-.mp4
【第06章】
6-1个性化召回算法总结与评估方法的介绍。-.mp4
【第07章】
7-1学习排序综述-.mp4
【第08章】
8-1逻辑回归模型的背景知识介绍-.mp4
8-2逻辑回归模型的数学原理-.mp4
8-3样本选择与特征选择相关知识-.mp4
8-4代码实战|Ir之样本选择-.mp4
8-5代码实战Ir之离散特征处理-.mp4
8-6代码实战Ir之连续特征处理-.mp4
8-7lr模型的训练-.mp4
B-8Ir模型在测试数据集上表现-上-.mp4
8-9lr模型在测试数据集上表现-下-.mp4
8-10Ir模型训练之组合特征介绍-.mp4
【第09章】
9-1背景知识介绍之决策树-.mp4
9-2梯度提升树的数学原理与构建流程-.mp4
9-3xgboost数学原理介绍-.mp4
9-4gbdt与lr混合模型网络介绍-.mp4
9-5代码训练gbdt模型-.mp4
9-6 gbdt模型最优参数选择-.mp4
9-7代码训练gbdt与Ir混合模型-.mp4
9-8模型在测试数据集表现上-.mp4
9-9模型在测试数据集表现下-.mp4
【第10章】
10-1背景知识介绍之什么是深度学习-.mp4
10-2dnn网络结构与反向传播算法-.mp4
10-3wideanddeep网络结构与数学原理介绍-.mp4
10-4.代码实战wd模型之wide侧与deep侧特征构建-.mp4
10-5代码实战wd模型之模型对象的构建-.mp4
10-6wd模型的训练与模型在测试数据集上的表现-.mp4
【第11章】
11-1学习排序部分总结与回顾-.mp4
【第12章】
12-1个性化推荐算法实战课程总结与回顾-.mp4
【资科】
个性化推荐算法实战
personal_recommendation