手机扫码观看/分享
【GBDT】梯度提升树原理及其公式推导
【推荐算法】特征交叉 之 FM模型 —— 隐向量特征交叉
【深度学习推荐模型】FNN模型、DeepFM模型 —— 用FM代替Wide&Deep的Wide部分
【推荐算法】经典算法之协同过滤 UserCF & ItemCF
【深度学习推荐模型】Deep&Cross模型 —— Wide&Deep模型的进化,高效的高阶特征交叉
【推荐算法】Wide&Deep模型 —— 谷歌曾经的主流推荐模型,在业界影响力巨大,综合记忆能力与泛化能力
【深度学习推荐模型】AFM模型 —— 引入注意力机制的FM
推荐系统入门到实战:基于协同过滤的个性化推荐实现|2025最新AI项目教程(覆盖多场景应用)
【推荐算法】特征交叉 之 POLY2模型 —— 特征交叉的开始
【推荐算法】特征交叉 之 FFM模型 —— 引入特征域的概念
【推荐算法】PNN模型 公式推导&Pytorch搭建网络示例 —— 加强特征交叉能力的深度学习推荐模型
【推荐算法】GBDT+LR组合模型 —— 特征工程模型化的开端
集成学习 之【Adaboost】 —— 李航《统计学习方法》相关章节解读
【推荐算法】MF矩阵分解 -- SVD、LFM、RSVD、SVD++
一看就懂!基于用户的协同过滤推荐算法,打造简易在线电影、音乐、图书推荐系统实战!
大白话浅谈【注意力机制】
【重温系列】RNN循环神经网络及其梯度消失 手把手公式推导+大白话讲解
这绝对是2025年【推荐系统入门】天花板教程!清华大佬强力打造,整整200集,手把手带你用协同过滤搞定电影音乐推荐系统,小白也能秒懂!
【多模态大模型+知识图谱】完全自学从零构建知识图谱!基于知识图谱的六大项目实战!知识抽取|医药问答系统|推荐系统|Neo4j数据库|大模型
【清华大学】DeepSeek从入门到精通,三小时即可学会,全程干货无废话,让你少走99%的弯路!