推荐系统项目之基础课
├┈1.1课程简介.mp4
├┈1.2推荐系统的演化过程.mp4
├┈1.3推荐系统的技术演进.mp4
├┈1.4推荐系统的核心产品问题.mp4
├┈10.1推荐系统的挑战以及前沿发展.mp4
├┈10.2推荐结果显示.mp4
├┈10.3相关性和因果性.mp4
├┈10.4信息茧房.mp4
├┈10.5转化率偏置问题.mp4
├┈10.6召回技术的局限性.mp4
├┈10.7总结.mp4
├┈2.10总结如何构建自己的知识脉络.mp4
├┈2.1学习方法.mp4
├┈2.2机器学习的学习问题.mp4
├┈2.3假设集合.mp4
├┈2.4VC维和Bias.mp4
├┈2.5Bias.mp4
├┈2.6交叉验证.mp4
├┈2.7损失函数和正则化.mp4
├┈2.8最优化方法.mp4
├┈2.9贝叶斯决策理论.mp4
├┈3.1基于User的协同过滤算法.mp4
├┈3.2基于Item的协同过滤算法.mp4
├┈3.3物品相似度的算法实现.mp4
├┈3.4协同过滤算法的变种.mp4
├┈3.5间隔时效性优化.mp4
├┈3.6反馈时效性优化.mp4
├┈3.7随机游走算法.mp4
├┈3.8图模型embedding算法.mp4
├┈4.10行为序列数据文档化和向量化.mp4
├┈4.1推荐系统策略流程和核心问题.mp4
├┈4.2词袋模型和向量空间模型.mp4
├┈4.3词袋模型的拓展TF.mp4
├┈4.4隐语义模型LSA.mp4
├┈4.5概率隐语义模型pLSA.mp4
├┈4.6生成式概率隐语义模型LDA.mp4
├┈4.7LDA的应用实例.mp4
├┈4.8神经网络模型.mp4
├┈4.9行为数据文档化.mp4
├┈5.1推荐系统中的用户画像.mp4
├┈5.2用户画像的价值准则.mp4
├┈5.3物品侧画像.mp4
├┈5.4用户兴趣模型的简单方法.mp4
├┈5.5用户兴趣模型的复杂方法.mp4
├┈5.6用户兴趣扩展.mp4
├┈5.7用户兴趣模型的架构设计.mp4
├┈6.1问题分析与目标定义.mp4
├┈6.2常用模型介绍.mp4
├┈6.3模型效果评估.mp4
├┈6.4常用模型介绍.mp4
├┈6.5模型效果评估.mp4
├┈6.6机器学习系统架构设计.mp4
├┈7.1常用评测指标.mp4
├┈7.2离线效果评测方法.mp4
├┈7.3在线效果评测方法.mp4
├┈7.4在线评测方法.mp4
├┈7.5更好更快的在线系统.mp4
├┈7.6交叉实验.mp4
├┈7.7系统监控.mp4
├┈8.1多臂老虎机和EE问题.mp4
├┈8.2多臂老虎机问题.mp4
├┈8.3e贪心算法.mp4
├┈8.4UCB算法.mp4
├┈8.5汤普森采样.mp4
├┈8.6LinUCB.mp4
├┈8.7机器学习中的EE关系.mp4
├┈8.8推荐系统中的EE思考.mp4
├┈9.1推荐系统架构设计.mp4
├┈9.2系统边界和外部依赖.mp4
├┈9.3离线层架构.mp4
├┈9.4在线层架构.mp4
├┈9.5系统架构演进原则.mp4
├┈9.6从离线到在线.mp4
└┈9.7基于DSL的系统架构设计.mp4
