課程簡介
個性化推薦無時不刻的存在于我們的身邊。它解決了商品豐富性和用戶接觸商品的稀缺性之間的矛盾，給我們帶來無窮的商業(yè)價值。從大數(shù)據(jù)、機器學(xué)習(xí)框架的角度，我們應(yīng)從對數(shù)據(jù)的理解入手，決定最佳的數(shù)據(jù)存儲和處理方式，然后不斷地迭代開發(fā)更強大的機器學(xué)習(xí)算法。最后，我們應(yīng)建立模型評價體系以評判模型的好壞，決定什么模型可以最終上線
目標(biāo)收益
個性化推薦解決了商品豐富性和用戶接觸商品的稀缺性之間的矛盾，具有巨大的商業(yè)價值。本課程從大數(shù)據(jù)、機器學(xué)習(xí)框架的角度系統(tǒng)地介紹主流的推薦算法模型。
培訓(xùn)對象
課程內(nèi)容
個性化推薦無時不刻的存在于我們的身邊。它解決了商品豐富性和用戶接觸商品的稀缺性之間的矛盾，給我們帶來無窮的商業(yè)價值。從大數(shù)據(jù)、機器學(xué)習(xí)框架的角度，我們應(yīng)從對數(shù)據(jù)的理解入手，決定最佳的數(shù)據(jù)存儲和處理方式，然后不斷地迭代開發(fā)更強大的機器學(xué)習(xí)算法。最后，我們應(yīng)建立模型評價體系以評判模型的好壞，決定什么模型可以最終上線。
我們將通過以下幾個方向系統(tǒng)地交流主流的推薦算法模型
?數(shù)據(jù)來源
?數(shù)據(jù)存儲、讀取和處理
?算法選擇
?算法效率
?模型迭代
?模型判定
?數(shù)據(jù)反饋
近期公開課推薦
