视频选集
（92/97）
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