讲师刘强,硕士学历,09 年毕业于中国科学技术大学数学系,有近 10 年大数据与推荐系统相关经验,目前负责上海千杉网络技术发展有限公司大数据与人工智能团队。从零开始搭建公司的大数据平台,将数据分析、数据可视化、推荐系统、搜索等大数据及 AI 能力应用于公司业务中,目前公司近 30% 的流量来源于推荐搜索,具备丰富的实战经验。
本课程是推荐系统的入门课程,主要从推荐系统背景介绍、推荐算法、推荐系统工程、推荐产品形态、实战等五个部分对推荐系统做初略的介绍。在背景介绍部分,会讲解推荐系统的技能要求、推荐系统的价值与应用场景、推荐系统团队组成及角色定位、推荐系统的未来发展等。在推荐算法部分,会讲解最主流的基于内容的、协同过滤等推荐算法。在工程实践部分会讲解怎么评估推荐系统、推荐系统AB测试等方面的工程知识。在产品形态部分,会讲解常用的推荐产品形态及怎么更好地将推荐能力整合到现有产品中,以及推荐系统与用户的交互方式。在实战部分,我们会带学员一起基于开源数据集从零开始搭建一个完整推荐系统,为学员以后的学习和工作打下良好的基础。
课程目录
第1章:推荐系统背景知识介绍
1.推荐系统介绍与知识储备
2.推荐系统应用场景及价值
3.推荐系统团队组成及角色定位
4.推荐系统的未来发展
第2章:推荐算法介绍
1.数据与特征工程01
2.数据与特征工程02
3.推荐系统离线评估
4.基于内容的推荐算法
5.协同过滤推荐算法
6.矩阵分解推荐算法
7.深度学习推荐算法简介01
8.深度学习推荐算法简介02
9.推荐系统排序算法01
10.推荐系统排序算法02
11.推荐系统冷启动
第3章:推荐系统工程介绍
1.开源平台及工具介绍
2.推荐系统业务流与架构
3.推荐系统AB测试01
4.推荐系统AB测试02
5.在线评估:指标体系
6.推荐系统服务01
7.推荐系统服务02
8.推荐系统解释
9.实时推荐系统(一)
10.实时推荐系统(二)
第4章:推荐系统产品介绍
1.推荐系统常用业务场景与产品形态介绍(一)
2.推荐系统常用业务场景与产品形态介绍(二)
3.推荐系统的UI交互介绍(一)
4.推荐系统的UI交互介绍(二)
5.推荐要素的视觉展示
第5章:推荐系统实战
1.背景介绍
2.数据预处理
3.排行榜推荐与相似推荐(一)
4.排行榜推荐与相似推荐(二)
5.item-based协同过滤与离线评估
6.推荐结果存储与推荐web服务(一)
7.推荐结果存储与推荐web服务(二)
?
?