Spark2.x+协同过滤算法-开发企业级个性化推荐系统|百度云|天翼云|GD|OD下载

资源简介

这是一门既讲算法原理又有完整的推荐系统架构的全能课。解决普通的算法课“欠缺从实际场景转化到模型应用的过程”的问题,让大家不仅懂算法原理,更懂如何实施落地。 课程结合算法原理,利用Spark 2.x 和主流技术栈,通过Flume多级高可用日志收集用户行为,使用HBase特征向量存储,利用算法原理结合Spark和Storm进行离线和实时推荐,实现图书电商场景下的个性化推荐系统。

《Spark2.x+协同过滤算法-开发企业级个性化推荐系统|百度云|天翼云|GD|OD下载》

课程目录

目录:/mksz431 - Spark2.x+协同过滤算法,开发企业级个性化推荐系统 [3.3G]
      ┣━━第10章 推荐系统搭建——推荐结果存储 [113.1M]
      ┃    ┣━━10-1 数仓ODS和DWD层搭建.mp4 [20.7M]
      ┃    ┣━━10-2 搭建用户行为日志数据仓库.mp4 [46.5M]
      ┃    ┗━━10-3 利用外部分区表存储用户行为.mp4 [45.8M]
      ┣━━第11章 推荐系统搭建——推荐效果评估模块 [193.7M]
      ┃    ┣━━11-1 AB Test.mp4 [8.1M]
      ┃    ┣━━11-2 AB Test的分流管理.mp4 [9.8M]
      ┃    ┣━━11-3 搭建AB Test 实验控制台(上).mp4 [110.3M]
      ┃    ┣━━11-4 搭建AB Test 实验控制台(下).mp4 [56.3M]
      ┃    ┗━━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 [274.8M]
      ┃    ┣━━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 [71.2M]
      ┃    ┣━━12-3 基于Spark实现Apriori算法(下).mp4 [104M]
      ┃    ┣━━12-4 基于FP-Growth的关联算法.mp4 [21.3M]
      ┃    ┗━━12-5 基于Spark实现FP-Growth算法.mp4 [64.6M]
      ┣━━第13章 知识拓展——基于机器学习的推荐算法 [50.3M]
      ┃    ┣━━13-1 RBM神经网络.mp4 [11.8M]
      ┃    ┣━━13-2 CNN卷积神经网络.mp4 [16.8M]
      ┃    ┗━━13-3 RNN循环神经网络.mp4 [21.8M]
      ┣━━第14章 知识拓展——基于内容的推荐算法 [133.8M]
      ┃    ┣━━14-1 文本向量化.mp4 [19.5M]
      ┃    ┣━━14-2 基于Spark实现TF-IDF.mp4 [78.7M]
      ┃    ┗━━14-3 课程总结.mp4 [35.7M]
      ┣━━第1章 课程介绍与学习指南 [25M]
      ┃    ┗━━1-1 课程介绍及导学.mp4 [25M]
      ┣━━第2章 了解推荐系统的生态 [116.8M]
      ┃    ┣━━2-2 推荐系统的关键元素和思维模式.mp4 [27.2M]
      ┃    ┣━━2-3 推荐算法的主要分类.mp4 [33.1M]
      ┃    ┣━━2-4 推荐系统常见的问题.mp4 [17.6M]
      ┃    ┗━━2-5 推荐系统效果评测.mp4 [39M]
      ┣━━第3章 给学习算法打基础 [49.9M]
      ┃    ┣━━3-2 推荐系统涉及的数学知识.mp4 [19.1M]
      ┃    ┗━━3-3 推荐系统涉及的概率统计知识.mp4 [30.8M]
      ┣━━第4章 详解协同过滤推荐算法原理 [594M]
      ┃    ┣━━4-10 基于模型的协同过滤.mp4 [8.9M]
      ┃    ┣━━4-11 基于矩阵分解模型的两种算法:SVD和PMF.mp4 [53.3M]
      ┃    ┣━━4-12 缺失值填充.mp4 [91.3M]
      ┃    ┣━━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 [46.2M]
      ┃    ┣━━4-4 协同过滤的数学知识:梯度下降法.mp4 [85M]
      ┃    ┣━━4-5 协同过滤的数学知识:余弦相似度.mp4 [43.4M]
      ┃    ┣━━4-6 什么是user-based的协同过滤.mp4 [65.4M]
      ┃    ┣━━4-7 基于Spark实现user-based协同过滤.mp4 [70.9M]
      ┃    ┣━━4-8 什么是item-based协同过滤.mp4 [54M]
      ┃    ┗━━4-9 基于Spark实现item-based协同过滤.mp4 [68.8M]
      ┣━━第5章 Spark内置推荐算法ALS原理 [204M]
      ┃    ┣━━5-1 ALS 算法原理.mp4 [13.3M]
      ┃    ┣━━5-2 ALS 算法在Spark上的实现.mp4 [112.4M]
      ┃    ┗━━5-3 ALS 算法在 Spark 上的源码分析.mp4 [78.3M]
      ┣━━第6章 推荐系统搭建——需求分析和环境搭建 [118.4M]
      ┃    ┣━━6-2 项目需求分析 技术分解 模块设计.mp4 [8.8M]
      ┃    ┣━━6-3 开发环境搭建.mp4 [84.1M]
      ┃    ┗━━6-4 环境问题 工具问题 版本问题.mp4 [25.5M]
      ┣━━第7章 推荐系统搭建——UI界面模块 [227.5M]
      ┃    ┣━━7-1 VUE+ElementUI简单入门.mp4 [41.4M]
      ┃    ┣━━7-2 用户访问页面实现.mp4 [48.2M]
      ┃    ┣━━7-3 AB Test 控制台页面(上).mp4 [47.1M]
      ┃    ┗━━7-4 AB Test 控制台页面(下).mp4 [90.8M]
      ┣━━第8章 推荐系统搭建——数据层 [521.8M]
      ┃    ┣━━8-1 数据上报(上).mp4 [72.3M]
      ┃    ┣━━8-2 数据上报(下).mp4 [107.1M]
      ┃    ┣━━8-3 日志清洗和格式化数据(上).mp4 [107M]
      ┃    ┣━━8-4 日志清洗和格式化数据(中).mp4 [105.1M]
      ┃    ┣━━8-5 日志清洗和格式化数据(下).mp4 [115.1M]
      ┃    ┗━━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 [751.5M]
      ┃    ┣━━9-1 基于用户行为构建评分矩阵.mp4 [26.4M]
      ┃    ┣━━9-10 实时推荐:通过FTRL更新特征权重-代码实现.mp4 [63.7M]
      ┃    ┣━━9-11 离线推荐和实时推荐项目梳理.mp4 [56.4M]
      ┃    ┣━━9-2 离线推荐:基于用户角度召回策略筛选候选集(上).mp4 [84.3M]
      ┃    ┣━━9-3 离线推荐:基于用户角度召回策略筛选候选集(下).mp4 [100M]
      ┃    ┣━━9-4 离线推荐:基于物品角度召回策略筛选候选集(上).mp4 [150.8M]
      ┃    ┣━━9-5 离线推荐:基于物品角度召回策略筛选候选集(下).mp4 [119.5M]
      ┃    ┣━━9-6 离线推荐:写特征向量到HBase.mp4 [16.3M]
      ┃    ┣━━9-7 离线推荐:基于模型的排序.mp4 [31.5M]
      ┃    ┣━━9-8 实时推荐:Storm解析用户行为.mp4 [82.7M]
      ┃    ┗━━9-9 实时推荐:通过FTRL更新特征权重-原理.mp4 [20M]
      ┗━━课程资料 [9.1M]
            ┗━━代码.zip [9.1M]

资源下载

抱歉,只有登录并在本文发表评论才能阅读隐藏内容,切记不要恶意刷评论白嫖资源,评论前切记阅读用户规则,一旦进入黑名单,不可能再放出来。
点赞
  1. ddddddd说道:

    最近在学机器学习,正好需要,谢谢~

    1. 山涧小石说道:

      昵称不合规,账户删除

  2. apple3102说道:

    spark前景不错

  3. kevin说道:

    :biggrin: 感谢分享推荐系统

  4. GenmBlack说道:

    多谢多谢 :biggrin: :biggrin:

  5. javawawa说道:

    太感谢楼主了

  6. javawawa说道:

    :surprised: :surprised: :surprised: :surprised: 厉害,试试可不可以下载!!!!

  7. rocket250说道:

    感谢楼主分享 :rolleyes:

  8. ylj007说道:

    感谢楼主分享

  9. zhengzheng说道:

    :biggrin: 多谢多谢

  10. 华曦达第一剑客说道:

    :biggrin: 多谢多谢

  11. 自律的猫说道:

    感谢大佬分享

  12. SmartW说道:

    感谢分享

  13. lyllong_3说道:

    :razz: 试试

  14. d说道:

    多谢 多谢

  15. txwuyu说道:

    感谢分享

  16. xtony007说道:

    太感谢楼主了

  17. 814182193说道:

    感谢!

  18. 微凉下午茶说道:

    感谢

  19. 默然说道:

    多谢多谢

  20. Jasper说道:

    学习下

  21. Timmy说道:

    不错,多谢,先看看哦

  22. JackRock说道:

    谢谢

  23. 圣暗说道:

    很不错的资源

  24. dennis说道:

    很不错的资源

  25. temp说道:

    感谢分享

  26. 宜二不宜一说道:

    thank you

  27. 871825513@qq.com说道:

    多谢多谢

  28. adadad说道:

    谢谢分享 :exclaim:

  29. nathon说道:

    惊喜呀

  30. tevin说道:

    很不错的资源

  31. 红烧肉蘸酱说道:

    :surprised:

  32. tomeokin说道:

    看看

  33. sunqingzhong说道:

    多谢 多谢

发表评论