【千锋教育】大数据推荐系统（推荐算法教程）
制作不易，大家记得点个关注，一键三连呀【点赞、投币、收藏】感谢支持~
推荐系统企业工程实战项目作为大数据基础应用的延伸，构建于用户画像项目之上，旨在让学员学习企业级推荐系统构建的基本思路，深入讲解推荐系统中的两个最重要的环节召回和排序 ，各环节基于Spark-Mllib引入相关算法，比如召回层ItemCF,ALS两路召回算法，融合排序层引入GBDT+LR，在理解算法的同时更偏重工程实战。
千锋教育
发消息
咨询课程、就业规划、简历模板、毕业设计及领取课程源码+资料，添加秋秋：2570726663（同微）
视频选集
（1/46）
自动连播
1.01 回顾
17:26
1.02 推荐系统概念
45:10
1.03 推荐系统场景
14:05
1.04 推荐系统的架构
37:34
1.05 推荐系统的排序架构
13:55
1.06 推荐系统基于用户相似推荐
16:37
1.06 推荐系统余弦相似度
24:00
1.07 推荐系统基于物品相似度数据源
22:28
1.07 推荐系统基于物品相似和模型算法
14:34
1.08 推荐系统的Hbase的bulk装载工具
59:33
1.09 推荐系统的工具类封装
10:53
2.01 回顾
19:08
2.02 用户行为转换为评分方法
44:00
2.03 用户行为查询用户文章行为表
14:10
2.04 基于物品相似协同过滤推荐
01:04:10
2.05 基于物品相似协同过滤推荐测试
34:32
2.06 基于物品相似协同流程
09:48
2.07 基于物品相似协同参数修改
10:41
2.08 基于ALS模型协同推荐
45:30
2.09 基于ALS模型协同推荐测试
13:26
3.01 回顾
34:02
3.02 文章的基础特征
29:10
3.03 文章的基础特征转向量代码
36:36
3.04 文章的基础特征转向量测试
13:03
3.05 用户的基础特征转向量代码
13:46
3.06 用户的基础特征转向量测试
09:16
3.07 文章嵌入向量代码
21:47
3.08 文章嵌入向量测试
08:55
3.09 排序阶段概念
27:44
3.10 排序模型的训练数据准备
11:14
3.11 排序中的LR的模型代码
39:50
3.12 排序中的LR的模型代码测试
06:44
3.13 排序模型中的IRIS测试
20:07
4.01 回顾
31:29
4.02 pmml的概念
10:02
4.03 jpmml的文件生成保存
21:15
4.04 用户&文章&得分和向量合并
28:21
4.05 用户&文章&得分和向量合并测试
20:00
4.06 推荐系统服务
01:06:40
4.07 使用LR模型进行预测
29:52
4.08 使用LR的模型进行排序预测和推荐
16:04
4.09 推荐API服务
23:50
5.01 推荐系统的API服务
31:19
5.02 推荐系统中API服务监控
24:17
5.03 推荐系统中监控测试
11:42
5.04 简历相关说明
39:33
顶部