课程点评:无
课程简介:
由于近些年深度学习技术的飞速发展,大力加速推动了AI在互联网以及传统各个行业的商业化落地,其中,推荐系统、计算广告等领域彰显的尤为明显。由于推荐系统与提升用户量以及商业化变现有着密不可分的联系,各大公司都放出了众多推荐系统相关职位,且薪水不菲,目前发展势头很猛。
CF、FM、DSSM、DeepFM等这些推荐业界明星模型,你真的清楚他们的内部运行原理以及使用场景吗,逻辑回归为什么用sigmoid函数?有确切的理论推导吗?FM模型与SVM有什么相似之处吗?FM固然可以用作为打分模型,但它可以用来做matching吗,如果可以,如何做?item2Vec模型在业界是如何缓解冷启动的问题的?双塔模型优势在哪?深度模型到底是如何做matching的,是离线计算好结果还是实时的对网络进行前向计算?DeepFM具体实现时,wide端和deep端的优化方式是一样的吗?基于Graph的推荐方法在业界的应用目前是怎样的?
贪心科技·推荐算法系统工程师培训课程大纲
贪心科技·推荐算法系统工程师培训课程目录
Week 1:机器学习基础
Week 2:推荐系统基础
Week 3:内容画像与用户画像
Week 4:用户画 Week
Week 5:传统match方法
Week 6:深度match方法
Week 7:经典Ranking方法
Week 8: GraphEmbedding 大家族与用户行为构建
Week 9:引入sideinfo信息的图推荐、基于推理的图推荐
Week 10:深度Ranking模型
Week 11:重排序与多目标学习
Week 12:热点文章实时召回
Week 13:多目标与用户多兴趣
Week 14:强化学习与推荐系统
Week 15:项目总结、部署
试看
下载链接:
版权声明:本资源均通过网络等合法渠道获取,本资源仅作为学习交流所用,其版权归出版社或者原作者所有,本站不对所涉及的版权问题负责。本站提供的付费项目绝对不是商品价格,而是一种用户赞助打赏给站长整理资源的回馈,如原作者认为侵权请联系立即删除文章下架资源。