手把手带你搭建推荐系统- 极客时间课程推荐/优惠

手把手带你搭建推荐系统--极客时间课程推荐/优惠

理论+实践,打造千人千面的推荐系统
黄鸿波谷歌开发者专家,知名游戏公司技术专家
专栏 | 36讲 | 4159人已学习
优惠价¥59原价:99
官网优惠购买

版权声明

本站非极客时间官网,与官方无任何关系。我们不提供课程下载或详细内容,仅作为课程分享和推荐平台。我们鼓励大家支持正版,尊重创作者的劳动成果,这样不仅能帮助创作者持续产出优质内容,也能让自己获得更好的学习体验。请通过官方渠道购买和学习课程,感谢您的理解与支持。

课程详情

你将获得

  • 完整的企业级推荐系统服务及代码;
  • 经典推荐系统架构案例剖析;
  • 6+主流推荐算法及适用场景精讲;
  • 可复用的推荐系统工程化部署方案。

课程介绍

在推荐算法刚刚兴起的时候,基本上只要懂一些推荐系统算法的理论,就能够找到一份推荐算法相关的工作。但现在,只有对推荐系统整个的运转流程有了足够的了解,才能够获得企业的青睐。要想拥有推荐系统的全局视角,掌握在面对不同问题时灵活变通的方法,demo级别的训练远远不够。

为此,我们特地邀请到了在算法和深度学习领域深耕多年的黄鸿波老师,他将提供一整套推荐系统的工程化方案,带你从获取真实的原始数据开始,通过数据处理、特征采集、内容画像、用户画像等一系列步骤,最终把整个系统部署和发布到Linux系统上。

同时,这门课程采用环环相扣的讲解方式:前面讲到的内容,一定是后面的系统搭建中的一步。通过这个方式,你能有效掌握推荐系统的全流程,避免“一学就会,一用就废”。

最后,我们还特地为你准备了方便对照学习的完整代码。

推荐系统主代码的GitHub代码如下。
https://github.com/ipeaking/recommendation

爬虫代码GitHub地址如下。
https://github.com/ipeaking/scrapy_sina

课程设计

课程分为七个章节:架构篇、数据篇、召回篇:基于规则的召回、服务搭建篇、召回篇:经典召回算法、排序篇和部署篇。

架构篇

为你提供了解推荐系统概念和功能宏观视角。以Netflix系统为例,带你推荐系统的工作原理,展示推荐系统的运作流程和优化策略,从而让你对推荐系统的实践应用有一个整体认识。

数据篇

深入探讨推荐系统所依赖的数据处理流程。先学习爬虫和数据库的原理和使用方法,然后从新闻网站中爬取数据,将它们作为我们的原始数据集。接下来,使用NLP、Python等技术对数据进行简单的特征工程处理,形成内容画像系统。

召回篇:基于规则的召回

利用数据篇得到的数据,进行一些基于规则的召回。在讲解什么是召回、为什么需要召回以及召回的种类的同时,深入研究召回对于推荐系统的影响,以及如何选择最优的召回策略。

服务搭建篇

将数据拼装后,绑定到界面进行内容推荐。本章将为你提供一个简单的推荐系统Web界面,带领你在这个界面的基础上调用Flask提供的webservice接口,完成内容推荐。

召回篇:经典召回算法

深入探讨包括协同过滤、基于Embedding的召回以及基于深度学习的召回等一系列经典召回算法,针对这些算法做不同的特征处理,并将它们与数据库、数据集结合起来。

排序篇

讲解经典排序算法,包括GBDT、LR、DeepFM、重排序等,充分利用现有数据,与上一章的推荐系统流程结合,用真实案例加深你对这些算法特点及适用场景的理解。

部署篇

带你使用TensorFlow Serving来进行服务的部署和搭建,完成一个真正的企业级推荐系统。此外,还会对推荐系统进行一个整体的回顾,带你从全局视角来观察企业级推荐系统如何在线上运作。

课程目录

开篇词

  • 开篇词|从企业级项目开始,进阶推荐系统

架构篇

  • 01|推荐系统:我们应该怎样学习推荐系统?
  • 02|Netflix推荐系统:企业级的推荐系统架构是怎样的?

数据篇

  • 03|数据处理:我们应该如何获取和处理数据?
  • 04|MongoDB:如何安装和使用MongoDB数据库?
  • 05|Redis:如何安装和使用Redis数据库?
  • 06|网络爬虫:爬取一个网站的流程是怎样的?
  • 07|数据获取:什么是Scrapy框架?
  • 08|数据获取:如何使用Scrapy框架爬取新闻数据?
  • 09|数据存储:如何将爬取到的数据存入数据库中?
  • 10|数据加工:如何将原始数据做成内容画像?

召回篇:基于规则的召回

  • 11|基于规则的召回:如何使用规则找到用户的兴趣点?
  • 12|基于热度的召回:如何使用热门内容来吸引用户?
  • 13|基于关键词的召回:如何使用关键词吸引用户?

服务搭建篇

  • 14|基于Flask的推荐服务:搭建基础的Flask服务
  • 15|基于Flask的推荐服务:如何把召回集推荐出去?
  • 16|基础用户画像:如何用好用户的注册信息?
  • 17|推荐系统前端:如何用一个界面展示我们的成果?
  • 18|一个简单的推荐服务闭环包括哪些模块?

召回篇:经典召回算法

  • 19|协同过滤:召回算法中永远不落幕的经典
  • 20|Embedding:深入挖掘用户底层特征
  • 21|YouTubeDNN:召回算法的后起之秀(上)
  • 22|YouTubeDNN:召回算法的后起之秀(下)
  • 23|流程串联:数据处理和协同过滤串联进行内容推荐

排序篇

  • 24|GBDT+LR:排序算法经典中的经典
  • 25|DeepFM:如何使用深度学习技术给数据排序?
  • 26|重排序:如何对排序后的内容进行微调?

推理部署篇

  • 27|部署:如何在Linux上配合定时任务部署推荐系统服务?
  • 28|珠联璧合:Kafka与推荐服务的联动
  • 29|推荐系统的工程化策略及服务部署策略
  • 30|推荐系统的后处理及日志回采

结束语

  • 结束语|如何成为企业中不可或缺的推荐系统工程师?
  • 期末测试|来赴一场满分之约!

特别放送

  • 特别放送|知识回顾(上)
  • 特别放送|知识回顾(中)
  • 特别放送|知识回顾(下)

作者介绍

黄鸿波,知名游戏公司人工智能领域专家,高级算法工程师,谷歌机器学习方向开发者专家,拥有多年软件开发经验,著有《TensorFlow进阶指南基础、算法与应用》一书。 黄鸿波专注于算法及深度学习领域,带领团队为公司开发了推荐系统、智能问答、游戏强化学习对战机器人等产品,从0到1参与过很多推荐系统项目。 曾在格力电器股份有限公司大数据中心担任人工智能领域专家,且在多家公司担任过高级工程师,技术经理,技术总监等职务。

推荐

大型Android系统重构实战 - 极客时间课程推荐/分享/优惠/折扣
大型Android系统重构实战
根治遗留系统,高效交付软件
黄俊彬Thoughtworks 资深咨询师
专栏 | 3197人已学习
优惠价¥59原价:99
官网优惠购买
Go 并发编程实战课 - 极客时间课程推荐/分享/优惠/折扣
Go 并发编程实战课
鸟窝带你攻克Go并发编程难题
晁岳攀(鸟窝)前微博技术专家,知名微服务框架 rpcx 作者
专栏 | 26227人已学习
优惠价¥59原价:99
官网优惠购买
技术与商业案例解读 - 极客时间课程推荐/分享/优惠/折扣
技术与商业案例解读
一堂课看懂技术创新与商业模式
徐飞前华为云资深总监,大数据专家
专栏 | 37069人已学习
优惠价¥68原价:199
官网优惠购买
软件测试52讲 - 极客时间课程推荐/分享/优惠/折扣
软件测试52讲
从小工到专家的实战心法
茹炳晟腾讯 TEG 基础架构部 T4级专家
专栏 | 72833人已学习
优惠价¥68原价:199
官网优惠购买
10x程序员工作法 - 极客时间课程推荐/分享/优惠/折扣
10x程序员工作法
掌握主动权,忙到点子上
郑晔开源项目Moco作者
专栏 | 54221人已学习
优惠价¥68原价:199
官网优惠购买
林外 · 专利写作第一课 - 极客时间课程推荐/分享/优惠/折扣
林外 · 专利写作第一课
人人都能学会的专利撰写技巧
林外前阿里P8 ,150+专利实践发明人
专栏 | 3532人已学习
优惠价¥59原价:99
官网优惠购买