Capítulo 1 Introducción al curso y guía de estudio
Esta sección presenta principalmente el curso, la ruta de aprendizaje y la guía, ¿cómo estudiar mejor este curso? ¿Por qué estudiar este curso, qué puedes ganar al estudiar este curso?
Capítulo 2 Comprensión de la ecología del sistema de recomendación
Este capítulo lo lleva a comprender la ecología del sistema de recomendación, permitiéndole cambiar su percepción del sistema de recomendación desde su pensamiento. Comprenda qué elementos clave admite el sistema de recomendación, la clasificación de los algoritmos de recomendación y qué constituye un buen sistema de recomendación.
Capítulo 3 Sentar las bases para el algoritmo de aprendizaje
Este capítulo revisa y combina el conocimiento matemático y estadístico necesario para el algoritmo de aprendizaje, lo ayuda a consolidar la base, suavizar la transición y allanar el camino para el algoritmo de aprendizaje y recomendación posterior.
El Capítulo 4
explica en detalle el principio del algoritmo de recomendación de filtrado colaborativo Este capítulo presenta el algoritmo de recomendación de filtrado colaborativo más utilizado y más popular entre los algoritmos de recomendación. En primer lugar, es necesario consolidar la base matemática única del filtrado colaborativo, y luego comenzar a partir de tres tipos de algoritmos de recomendación: basados en el usuario, basados en elementos y basados en modelos, y realizar una demostración de código en ellos.
Capítulo 5 Principios de filtrado colaborativo basados en Spark
Este capítulo explica el algoritmo recomendado incorporado en Spark: ALS. El algoritmo ALS se explica completamente a partir de los tres aspectos del principio del algoritmo, la implementación en Spark y la lectura del código fuente.
Capítulo 6 Sistema de recomendación Construcción: ¡El análisis de requisitos y la construcción del entorno
comenzaron a practicar el sistema de recomendación! Estas listo En este capítulo, realizamos un análisis de necesidades de todo el sistema de recomendaciones. Y liderar la construcción del medio ambiente de la mano.
El Capítulo 7 recomienda que los módulos de interfaz de interfaz de usuario de construcción del sistema
comiencen con contenido simple. Los ingenieros generales de desarrollo de big data son los principales responsables de la recopilación y el análisis de datos. Aquí, con fines de demostración, hemos creado páginas frontales simples, utilizando VUE, Element-UI EChatrs
El Capítulo 8 recomienda la construcción del sistema: la capa de datos está
bien preparada y finalmente está en el camino correcto. ¿Todos son incapaces de soportarla? Este capítulo lo llevará a desarrollar la parte de la capa de datos del proyecto, respectivamente, para lograr la recopilación de datos, la limpieza, el análisis y otras funciones.
Capítulo 9 Sistema de recomendación Construcción-Motor de recomendación
Este capítulo presentará los puntos principales y difíciles de este proyecto, la construcción del módulo de motor de recomendación. Principalmente explique el núcleo del módulo de recomendación: recuperación, filtrado, cálculo de características y clasificación. Complete gradualmente la construcción de la arquitectura de recomendación en tiempo real.
Capítulo 10 Construcción del sistema de recomendaciones: almacenamiento de los resultados de las recomendaciones
Este capítulo demuestra la construcción de un módulo de evaluación para un sistema de recomendaciones personalizado. Presenta principalmente la prueba A / B del módulo de prueba principal, y gradualmente desarrolla y construye un fondo completo de prueba A / B
Capítulo 11 Construcción del sistema de recomendaciones: módulo de evaluación de recomendaciones
Este capítulo muestra el final del sistema de recomendaciones personalizadas y la construcción del módulo de evaluación. Presente principalmente el módulo de prueba principal A / BTest y construya gradualmente un fondo completo de prueba A / B
Capítulo 12 Algoritmo de recomendación de desarrollo de conocimiento basado en reglas de asociación
Este capítulo explica los dos algoritmos principales de recomendación de reglas de asociación, Apriori y FP-Growth, y demuestra la implementación de estos dos algoritmos a través de Spark.
Capítulo 13 Algoritmo de recomendación de desarrollo de conocimiento basado en el aprendizaje automático
Este capítulo explica principalmente el algoritmo de recomendación principal basado en el aprendizaje automático. Primero introduzca el principio de la red aleatoria RBM, luego muestre el algoritmo de recomendación basado en RBN, CNN y RNN respectivamente, y demuestre cómo implementarlo.
Capítulo 14 Algoritmo de recomendación basado en contenido de desarrollo de conocimiento
Este capítulo presenta principalmente el algoritmo de recomendación basado en contenido convencional e introduce el algoritmo TF-IDF, la vectorización de texto, la vectorización del comportamiento del usuario y el modelo a largo plazo. Finalmente, un resumen y perspectiva para todos los conocimientos de algoritmos y elementos del curso.