投稿

Rec SYS

124

1

2019-11-01 16:49:15

未经作者授权，禁止转载

小白若水发消息

不以物喜，不以己悲

小白也能学会的AI工作流，用好AI是普通人最大的杠杆

01_黑马头条推荐架构与业务流

20:12

02_开发环境介绍

12:23

03_业务数据介绍

12:18

04_数据库迁移介绍

10:54

05_数据库迁移案例

37:59

06_迁移脚本定时运行

10:23

07_用户行为收集介绍

38:25

08_supervisor管理

10:06

09_进程管理添加

08:09

10_用户行为收集结果

03:27

11_离线画像构建

38:26

12_文章数据合并

21:24

13_文章数据合并2

19:54

14_tfidf结果计算

27:07

15_结果解析

09:53

16_texrank计算

23:05

17_总结

06:20

01_复习_aVhf3

08:57

02_离线文章画像：文章关键词主题词计算

31:03

03_离线文章画像：定时文章更新添加设置

31:44

04_离线文章：supervisor管理

15:39

05_离线文章相似：词向量

10:20

06_离线文章相似：文章向量计算

55:14

07_离线文章相似：LSH介绍

38:20

08_离线文章相似：历史相似文章介绍

13:49

09_离线文章相似：相似文章结果存储

19:46

10_离线文章相似：定时更新文章相似添加

07:55

11_mind总结

09:03

01_复习_15JSI

09:48

02_用户画像更新：用户画像逻辑与行为日志处理

47:06

03_用户画像更新：用户行为处理合并

26:08

04_用户画像更新：用户画像存储介绍

17:59

05_用户画像更新：用户操作的文章主题词合并

14:18

06_用户画像更新：用户关键词以及权重计算和存储

24:05

07_用户画像更新：用户的其他信息更新存储

03:19

08_用户画像更新：用户画像定时更新添加

08:32

09_用户召回更新：离线召回排序介绍

36:55

10_用户召回更新：离线ALS召回的数据处理

27:49

11_用户召回更新：离线ALS推荐以及结果处理

34:05

12_用户召回更新：用户召回结果存储介绍

09:17

13_用户召回更新：用户召回结果显示

01:10

14_用户召回更新：用户召回结果存储代码

19:10

15_用户召回更新：用户点击文章相似文章获取存储

10:59

16_用户召回更新：相似文章获取处理测试

12:22

17_用户召回更新：定时用户召回更新添加

06:37

18_每日总结

06:15

01_复习_nYsAW

18:32

02_离线LR模型训练：模型排序方案业务介绍

36:14

03_离线LR模型训练：点击样本获取与用户画像合并

20:22

04_离线LR模型训练：文章特征合并计算

30:50

05_离线LR模型训练：特征合并以及模型训练

12:11

06_离线LR模型训练：预测结果解析

07:33

07_离线特征中心构造：用户、文章特征计算存储

45:13

08_实时计算：实时计算业务介绍以及日志行为收集

35:05

09_实时计算：spark streaming配置以及kafka配置

20:18

10_实时计算：在线内容召回程序添加

37:16

11_总结_U0xTD

08:38

01_复习与内容召回结果演示

16:50

02_在线计算：热门文章召回

20:15

03_在线计算：热门文章召回结果演示

02:02

04_在线计算：新文章召回以及在线计算实时添加supervisor

23:08

05_实时推荐：实时推荐业务逻辑介绍

30:30

06_实时推荐：黑马头条grpc接口对接实现

41:30

07_实时推荐：abtest实现分流

29:23

08_实时推荐：推荐中心介绍

34:00

09_实时推荐：推荐中心实现

51:55

10_实时推荐：推荐中心时间戳逻辑测试

06:29

01_召回服务读取工具介绍

36:58

02_推荐中心读取召回过滤实现

15:52

03_推荐中心召回测试

30:40

04_推荐中心加入缓存

37:06

05_排序模型在线测试

21:59

06_在线排序的代码逻辑测试

14:02

07_预测结果分析

06:01

08_supervisor实时排序添加

22:58

01_复习

07:57

02_推荐系统与深度学习介绍

10:04

03_tf2.0API使用介绍

18:29

04_estimator使用介绍

11:38

05_案例：estimator进行收入类别预测

56:06

06_tf.data与tf.feature_column介绍

37:10

07_词向量word2vec原理

37:22

08_文本分类案例

16:19

09_文本分类效果显示

31:11

10_tensorboard结果显示

16:12

11_总结

19:51

01_复习_3lK87

18:44

02_TFRecords文件存储

32:47

03_深度学习与推荐算法-特征交叉

43:38

04_FTRL原理与使用

18:15

05_黑马推荐FTRL实现

04:12

06_黑马推荐FTRL实现2

44:02

07_wide&deep模型原理与黑马排序模型训练

26:06

08_WDL的模型导出与TF serving部署

28:25

09_在线预测模型调用

21:46

10_项目总结

38:18

11_简历面试题

12:47

顶部