〖课程介绍〗:
9 O+ ]7 O: Q$ c# @5 q& {( @1 s 带你从0到1搭建工业级推荐系统
) a4 Y% D* i$ z. N5 j$ n6 _〖课程目录〗:
' Y0 @0 N$ C1 D* W6 s开篇词 (1讲)
& n c% I$ l2 i; k5 c开篇词 | 从0开始搭建一个深度学习推荐系统
# j1 Z8 _( v$ p$ b# T) Z) g免费
4 @4 p Q0 S; p J7 r- q基础架构篇 (5讲)
01 | 深度学习推荐系统的经典技术架构长啥样？
02 | Sparrow RecSys：我们要实现什么样的推荐系统？
03 | 深度学习基础：你打牢深度学习知识的地基了吗？
* u7 k8 c* q# L国庆策划 | 关于深度学习推荐系统，我有这些资料想推荐给你
4 O# N3 Z+ R- E+ s国庆策划 | 深度学习推荐系统基础，你掌握了多少？
: h+ ~7 t1 {- l3 N7 B# }( b. ~特征工程篇 (6讲)
04 | 特征工程：推荐系统有哪些可供利用的特征？
4 l" J6 V: Y" [. j; q W05 | 特征处理：如何利用Spark解决特征处理问题？
* s& k5 P. B$ x8 i0 }, a9 @06 | Embedding：所有人都在谈的Embedding技术到底是什么？
07 | Embedding进阶：如何利用图结构数据生成Graph Embedding？
08 | Embedding实战：如何使用Spark生成Item2vec和Graph Embedding？
答疑 | 基础架构篇+特征工程篇常见问题解答
7 _( {) o# V9 a" A9 |8 `. u7 _线上服务篇 (7讲)
09 | 线上服务：如何在线上提供高并发的推荐服务？
0 G( M" @4 z- U10 | 存储模块：如何用Redis解决推荐系统特征的存储问题？
11｜召回层：如何快速又准确地筛选掉不相关物品？
8 K! t* m4 U- G2 w# C12 | 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？
( Q; n/ S/ G9 W* B6 E8 V* ^$ X13 | 模型服务：怎样把你的离线模型部署到线上？
14 | 融会贯通：SparrowRecSys中的电影相似推荐功能是如何实现的？
答疑 | 线上服务篇留言问题详解
1 A4 s/ Q% G1 Y3 ~推荐模型篇 (12讲)
: d. `/ A/ W' X15 | 协同过滤：最经典的推荐模型，我们应该掌握什么？
@) p/ r* k* J! @) V a. {+ b' y16 | 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？
9 P- b+ T3 [5 A' S' F模型实战准备（一） | TensorFlow入门和环境配置
6 g4 w5 y% _6 m! i模型实战准备（二） | 模型特征、训练样本的处理
, M' ?, h# B, s9 v1 D2 u& Z3 o17 | Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？
; H' _% B* N( K( O) e18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？
9 h' |4 E$ P8 J- P4 U$ V5 p8 L19｜NeuralCF：如何用深度学习改造协同过滤？
/ V) L8 a: d+ d) j- `# j2 D7 G/ }1 O20 | DeepFM：如何让你的模型更好地处理特征交叉？
21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？
9 i& e* l6 ]) z22｜强化学习：让推荐系统像智能机器人一样自主学习
* u. Q" x) w, U" b! H) [# U7 V特别加餐 | “银弹”不可靠，最优的模型结构该怎么找？
% B5 A w3 W5 q- w3 j23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？
模型评估篇 (5讲)
" ^4 w: Z: m" {- o. m24 | 离线评估：常用的推荐系统离线评估方法有哪些？
# M3 b9 G Q" e3 {0 E9 G25 | 评估指标：我们可以用哪些指标来衡量模型的好坏？
" w O- S( m5 ?: b2 }% D特别加餐｜TensorFlow的模型离线评估实践怎么做？
26 | 在线测试：如何在推荐服务器内部实现A/B测试？
27 | 评估体系：如何解决A/B测试资源紧张的窘境？
前沿拓展篇 (6讲)
$ }& @9 g5 q; {. V1 \+ o28 | 业界经典：YouTube深度学习推荐系统的经典架构长什么样？
29 | 图神经网络：Pinterest是如何应用图神经网络的？
30 | 流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？
# ~ S0 ^) H( q& F31｜模型迭代：阿里巴巴是如何迭代更新推荐模型的？
- R8 n0 M( ?# B' `32 | 强化学习案例：美团是如何在推荐系统中落地强化学习的？
$ C8 U5 U- x& Y$ h! M3 q33｜技术权衡：解决方案这么多，哪个最合适？
结束语 (1讲)
4 R$ _ L' e9 ?结束语｜深度学习时代需要什么样的推荐工程师？
〖视频截图〗:
