由于近年来深度学习技术的快速发展,人工智能在互联网和传统行业的商业化得到了大力推广,其中推荐系统、计算广告等领域尤为明显。由于推荐系统与提高用户数量和商业实现密切相关,主要公司发布了许多与推荐系统相关的职位,工资昂贵,目前的发展势头非常强劲。
CF、FM、DSSM、你真的知道他们的内部操作原理和使用场景吗?为什么逻辑回归使用sigmoid函数?有准确的理论推导吗?FM模型和SVM有什么相似之处吗?FM可以作为评分模型使用,但它可以作为matching使用吗?如果可以,我该怎么办?item2Vec模型如何缓解行业冷启动问题?双塔模型有哪些优点?深度模型是如何制作matching的,是离线计算结果还是实时前向计算网络?实现DeepFM时,wide端和Deep端的优化方法是否相同?目前基于Graph的推荐方法在行业中的应用是什么?
课程目录
Week 1:机器学习基础
Week 2:推荐系统基础
Week 3:内容肖像和用户肖像
Week 4:用户画 Week
Week 5:传统的match方法
Week 6:深度match方法
Week 7:经典Ranking方法
Week 8: GraphEmbedding 构建大家庭和用户行为
Week 9:引入sideinfo信息的图推荐,基于推理的图推荐
Week 10:Ranking模型深度
Week 11:重排序和多目标学习
Week 12:实时召回热点文章
Week 13:多目标和用户更感兴趣
Week 14:加强学习和推荐体系
Week 15:项目总结部署
[我要扒资料]
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。