Spark2.x+协同过滤算法,开发企业级个性化推荐系统

基于Spark2.x开发企业级个性化推荐系统

这是一门非常适合大数据平台开发者的个性化推荐算法课程,讲解算法原理,结合Spark2.x和主流技术栈,带你从0到1搭建完整的企业级个性化推荐系统

资源文件目录列表:/Spark2.x+协同过滤算法,开发企业级个性化推荐系统 [3.4G]
├──第1章 课程介绍与学习指南 [17.1M]
│ └──1-1 课程介绍及导学.mp4 [17.1M]
├──第2章 了解推荐系统的生态 [118.4M]
│ ├──2-2 推荐系统的关键元素和思维模式.mp4 [29.5M]
│ ├──2-3 推荐算法的主要分类.mp4 [34.2M]
│ ├──2-4 推荐系统常见的问题.mp4 [18.2M]
│ └──2-5 推荐系统效果评测.mp4 [36.5M]
├──第3章 给学习算法打基础 [50M]
│ ├──3-2 推荐系统涉及的数学知识.mp4 [18.7M]
│ └──3-3 推荐系统涉及的概率统计知识.mp4 [31.3M]
├──第4章 详解协同过滤推荐算法原理 [639.2M]
│ ├──4-10 基于模型的协同过滤.mp4 [8.7M]
│ ├──4-11 基于矩阵分解模型的两种算法:SVD和PMF.mp4 [59.9M]
│ ├──4-12 缺失值填充.mp4 [94.5M]
│ ├──4-2 本章作业.mp4 [7M]
│ ├──4-3 协同过滤的数学知识:最小二乘法.mp4 [45.3M]
│ ├──4-4 协同过滤的数学知识:梯度下降法.mp4 [94.3M]
│ ├──4-5 协同过滤的数学知识:余弦相似度.mp4 [47.3M]
│ ├──4-6 什么是user-based的协同过滤.mp4 [78.6M]
│ ├──4-7 基于Spark实现user-based协同过滤.mp4 [70.5M]
│ ├──4-8 什么是item-based协同过滤.mp4 [64.8M]
│ └──4-9 基于Spark实现item-based协同过滤.mp4 [68.4M]
├──第5章 Spark内置推荐算法ALS原理 [206.8M]
│ ├──5-1 ALS 算法原理.mp4 [12.6M]
│ ├──5-2 ALS 算法在Spark上的实现.mp4 [111.3M]
│ └──5-3 ALS 算法在 Spark 上的源码分析.mp4 [82.9M]
├──第6章 推荐系统搭建——需求分析和环境搭建 [131.1M]
│ ├──6-2 项目需求分析 技术分解 模块设计.mp4 [8.9M]
│ ├──6-3 开发环境搭建.mp4 [90.1M]
│ └──6-4 环境问题 工具问题 版本问题.mp4 [32.2M]
├──第7章 推荐系统搭建——UI界面模块 [230.5M]
│ ├──7-1 VUE+ElementUI简单入门.mp4 [46M]
│ ├──7-2 用户访问页面实现.mp4 [47.4M]
│ ├──7-3 AB Test 控制台页面(上).mp4 [49.8M]
│ └──7-4 AB Test 控制台页面(下).mp4 [87.3M]
├──第8章 推荐系统搭建——数据层 [540.7M]
│ ├──8-1 数据上报(上).mp4 [86.2M]
│ ├──8-2 数据上报(下).mp4 [109.6M]
│ ├──8-3 日志清洗和格式化数据(上).mp4 [108.3M]
│ ├──8-4 日志清洗和格式化数据(中).mp4 [108.5M]
│ ├──8-5 日志清洗和格式化数据(下).mp4 [113M]
│ └──8-6 分析用户行为和商品属性.mp4 [15.1M]
├──第9章 推荐系统搭建——推荐引擎 [786.7M]
│ ├──9-1 基于用户行为构建评分矩阵.mp4 [31.8M]
│ ├──9-10 实时推荐:通过FTRL更新特征权重-代码实现.mp4 [65.6M]
│ ├──9-11 离线推荐和实时推荐项目梳理.mp4 [56.9M]
│ ├──9-2 离线推荐:基于用户角度召回策略筛选候选集(上).mp4 [103.7M]
│ ├──9-3 离线推荐:基于用户角度召回策略筛选候选集(下).mp4 [99.4M]
│ ├──9-4 离线推荐:基于物品角度召回策略筛选候选集(上).mp4 [148.3M]
│ ├──9-5 离线推荐:基于物品角度召回策略筛选候选集(下).mp4 [116.9M]
│ ├──9-6 离线推荐:写特征向量到HBase.mp4 [20M]
│ ├──9-7 离线推荐:基于模型的排序.mp4 [40.1M]
│ ├──9-8 实时推荐:Storm解析用户行为.mp4 [83.9M]
│ └──9-9 实时推荐:通过FTRL更新特征权重-原理.mp4 [20.2M]
├──第10章 推荐系统搭建——推荐结果存储 [113.2M]
│ ├──10-1 数仓ODS和DWD层搭建.mp4 [23.3M]
│ ├──10-2 搭建用户行为日志数据仓库.mp4 [44.4M]
│ └──10-3 利用外部分区表存储用户行为.mp4 [45.5M]
├──第11章 推荐系统搭建——推荐效果评估模块 [194.2M]
│ ├──11-1 AB Test.mp4 [8M]
│ ├──11-2 AB Test的分流管理.mp4 [9.5M]
│ ├──11-3 搭建AB Test 实验控制台(上).mp4 [113.8M]
│ ├──11-4 搭建AB Test 实验控制台(下).mp4 [53.7M]
│ └──11-5 常用评测指标.mp4 [9.3M]
├──第12章 知识拓展——基于关联规则的推荐算法 [285.8M]
│ ├──12-1 基于Apriori的关联算法.mp4 [13.7M]
│ ├──12-2 基于Spark实现Apriori算法(上).mp4 [72M]
│ ├──12-3 基于Spark实现Apriori算法(下).mp4 [107.1M]
│ ├──12-4 基于FP-Growth的关联算法.mp4 [21.2M]
│ └──12-5 基于Spark实现FP-Growth算法.mp4 [71.9M]
├──第13章 知识拓展——基于机器学习的推荐算法 [49M]
│ ├──13-1 RBM神经网络.mp4 [11.6M]
│ ├──13-2 CNN卷积神经网络.mp4 [15.9M]
│ └──13-3 RNN循环神经网络.mp4 [21.6M]
├──第14章 知识拓展——基于内容的推荐算法 [140.5M]
│ ├──14-1 文本向量化.mp4 [19.9M]
│ ├──14-2 基于Spark实现TF-IDF.mp4 [83.2M]
│ └──14-3 课程总结.mp4 [37.5M]
└──课程资料 [10.6M]
└──代码 [10.6M]
├──Chapter_10-master.zip [24.3K]
├──Chapter_11-master.zip [1.9M]
├──Chapter_12-master.zip [1.9M]
├──Chapter_2-master.zip [1.1K]
├──Chapter_4-master.zip [11.5K]
├──Chapter_5-master.zip [2.1K]
├──Chapter_7-master.zip [357.9K]
├──Chapter_8-master.zip [25.4K]
└──Chapter_9-master.zip [6.4M]

1. 本站提供的所有资源,都不包含技术服务请大家谅解!
2.如有链接无法下载、失效或广告,请联系管理员处理!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
5. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系itzysc8@gmail.com删除!
IT资源商城 » Spark2.x+协同过滤算法,开发企业级个性化推荐系统

发表评论

资源单个购买不划算?开通超级会员即可免费下载哦~

立即开通超级会员