投稿

基于大数据推荐系统算法设计与项目实战（新版）

1.6万

23

2019-11-28 10:58:05

转载于 http://www.ibeifeng.com/ 视频转载于网络，仅供学习交流使用，如有侵权请私信删除！希望各位继承互联网开源精神！好好学习技术成长相关：https://www.nfcoder.com --> 技术栈经验

逆风微笑的代码狗发消息

莫道桑榆晚,为霞尚满天

【苏星河】人类唯一无法驾驭的软件，就安装在你的手机里面

苏星河牛通

1.01_大数据应用案例

23:56

1.02_大数据技术框架

08:45

1.03_推荐系统的技术栈

14:22

1.04_课程的基础要求和安排

06:54

2.01_什么是推荐系统（处理）

20:48

3.01_推荐系统的设计

29:02

3.02_用户界面的重要性

21:02

4.01_什么是lambda架构

13:12

4.02_Lambda架构之批处理层

27:52

4.03_Lambda架构之实时处理层

12:22

4.04_Lambda架构之服务层

08:02

5.01_什么是用户画像

10:06

5.02_用户画像的数学描述

16:12

5.03_用户画像系统流程

28:36

5.04_用户画像系统架构

05:34

5.05_用户标签使用案例

25:25

5.06_算法和模型的评价

17:05

5.07_SparkML代码实现

22:08

5.08_代码实例1之模型训练及参数设置-实践

28:12

5.09_代码实例1之参数设置及模型测试-实践

18:02

5.10_代码实例2之使用管道

06:44

5.11_代码实例2之使用管道-实践

32:02

5.12_代码实例3之模型调优

11:26

5.13_代码示例3之模型调优-实践

21:15

5.14_代码示例4之模型调优-实践

26:01

5.15_用户画像系统应用

17:34

6.01_推荐模型构建流程

13:30

6.02_推荐算法概述

17:35

6.03_基于协同过滤的推荐算法

17:37

6.04_相似度的计算

18:02

6.05_基于模型的方法

18:29

6.06_协同过滤的实现

15:26

6.07_推荐系统冷启动问题

13:40

6.08_推荐案例实践准备

11:01

6.09_推荐案例IDE环境配置-实践

14:20

07.01_Mahout概述

27:52

07.02_Mahout推荐系统组件

30:30

07.03_Mahout推荐系统评估

12:32

07.04_Mahout开发环境部署-实践

15:45

07.05_Mahout推荐实例1之偏好数组-实践

17:14

07.06_Mahout推荐实例2之数据模型-实践

16:29

07.07_Mahout推荐实例3之构建模型-实践

22:18

07.08_Mahout推荐实例4之模型评估1-实践

38:47

07.09_Mahout推荐实例5之模型评估2-实践

19:53

07.10_Mahout推荐实例6之电影推荐1-实践

25:53

07.11_Mahout推荐实例6之电影推荐2-实践

26:48

07.12_Mahout推荐实例6之电影推荐3-实践

29:14

07.13_Mahout推荐实例7之图书推荐1-实践

22:21

07.14_Mahout推荐实例7之图书推荐2-实践

22:20

07.15_Mahout推荐实例7之图书推荐3-实践

24:26

07.16_Mahout推荐系统实战-实践

31:05

08.11

10:10

8.01_Mahout推荐实战补充-实践

05:04

8.02_Spark MLlib概述

15:08

8.03_MLlib推荐算法介绍

12:50

8.04_MLlib推荐算法实战

13:29

8.05_MLlib推荐实例之定义解析函数-实践

23:02

8.06_MLlib推荐实例之探索DataFrame_实践

28:06

8.07_MLlib推荐实例之ALS模型推荐-实践

15:33

8.08_MLlib推荐实例之模型评估-实践

28:12

8.09_推荐实战之开发环境准备-实践

22:48

8.10_推荐实战之实现用户评分函数-实践

15:41

8.12_推荐实战之参数设置及数据加载-实践

16:53

8.13_推荐实战之用户调查及数据拆分-实践

18:27

8.14_推荐实战之模型训练及评估-实践

22:42

8.15_推荐实战之个性化推荐-实践

12:53

8.16_推荐实战之测试部署-实践

28:04

9.01_推荐系统与Lambda架构

20:34

9.02_推荐系统数据收集背景

17:14

9.03_FlumeNG数据收集系统

27:31

9.04_Web日志数据采集Flume部署配置-实践

22:35

9.05_Web日志数据采集Flume运行测试-实践

17:00

9.06_Sqoop数据收集工具

27:01

9.07_Sqoop收集账户数据-实践

31:21

9.08_HDFS数据存储系统

27:28

9.09_上传知识库文档到HDFS

09:42

9.10_HBase数据库存储系统

40:23

9.11_加载并访问Hbase的评分数据-实践

35:22

9.12_推荐系统综合实战

08:12

9.13_推荐系统离线层实现-实践

37:39

9.14_推荐系统服务层实现-实践

18:11

9.15_推荐系统实时层实现-实践

26:32

顶部