第1章コースの紹介と学習ガイド
このセクションでは、主にコース、学習ルート、ガイドを紹介します。このコースをよりよく学習するにはどうすればよいですか。このコースを学ぶ理由、このコースを学ぶことで何が得られますか?
第2章レコメンデーションシステムのエコロジーの理解
この章では、レコメンデーションシステムのエコロジーについて理解し、レコメンデーションシステムの認識を思考から再形成することができます。推奨システムがサポートされている主要な要素、推奨アルゴリズムの分類、および適切な推奨システムの構成要素を理解する
第3章学習アルゴリズムの基礎を築く
この章では、学習アルゴリズムに必要な数学的および統計的知識を確認して組み合わせ、基礎を統合し、移行をスムーズにし、後の学習および推奨アルゴリズムへの道を開くのに役立ちます。
第4章で
は、協調フィルタリング推奨アルゴリズムの原理を詳しく説明します。この章では、推奨アルゴリズムの中で最も一般的に使用され、最も人気のある協調フィルタリング推奨アルゴリズムを紹介します。まず、協調フィルタリングのユニークな数学的基盤を統合し、次に、ユーザーベース、アイテムベース、モデルベースの3種類の推奨アルゴリズムから始めて、それらに対してコードのデモを実行する必要があります。
第5
章Sparkに基づく協調フィルタリングの原則この章では、Sparkに組み込まれた推奨アルゴリズムであるALSについて説明します。ALSアルゴリズムは、アルゴリズムの原則、Sparkでの実装、およびソースコードの読み取りの3つの側面から完全に説明されています。
第6章推奨システムの構築-要件分析と環境構築
により、推奨システムの実践が開始されました。準備はいいですか?この章では、推奨システム全体のニーズ分析を行います。そして、環境構築を密接に連携させます。
第7章では、システム構築をお勧めします。UIインターフェースモジュール
はシンプルなコンテンツから開始します。一般的なビッグデータ開発エンジニアが主にデータの収集と分析を担当します。ここでは、デモンストレーションのために、VUE、Element-UI、 EChatrs
第8章では、システム構築を推奨しています。データレイヤーは
十分に準備されており、最終的には正しい軌道に乗っています。この章では、プロジェクトのデータレイヤー部分をそれぞれ開発して、データ収集、クリーニング、分析、その他の機能を実現します。
第9章レコメンデーションシステムの構築-レコメンデーションエンジン
この章では、このプロジェクトの主要な難点であるレコメンデーションエンジンモジュールの構築について紹介します。主に、推奨モジュールのコアであるリコール、フィルタリング、特徴計算、および並べ替えについて説明します。リアルタイムの推奨アーキテクチャの構築を徐々に完了します。
第10章レコメンデーションシステムの構築-レコメンデーション結果の保存
この章では、パーソナライズされたレコメンデーションシステムの評価モジュールの構築について説明します。主に主流のテストモジュールA / Bテストを紹介し、完全なA / Bテストの背景を徐々に開発および構築します
第11章レコメンデーションシステムの構築—レコメンデーション評価モジュール
この章では、パーソナライズされたレコメンデーションシステムの終わりと評価モジュールの構築について説明します。主に主流のテストモジュールA / BTestを紹介し、完全なA / Bテストの背景を徐々に構築する
第12
章相関ルールに基づく知識開発-推奨アルゴリズムこの章では、主な2つの相関ルール推奨アルゴリズムであるAprioriとFP-Growthについて説明し、Sparkによるこれら2つのアルゴリズムの実装を示します。
第13章知識開発-機械学習に基づく推奨アルゴリズム
この章では、主に機械学習に基づく主流の推奨アルゴリズムについて説明します。最初にRBMランダムネットワークの原理を紹介し、次にそれぞれRBN、CNN、RNNに基づく推奨アルゴリズムを示し、それを実装する方法を示します。
第14章知識開発-コンテンツベースの推奨アルゴリズム
この章では、主にコンテンツベースの推奨アルゴリズムを紹介し、TF-IDFアルゴリズム、テキストのベクトル化、ユーザー行動のベクトル化、および長期モデルを紹介します。最後に、すべてのアルゴリズムの知識とコース項目の概要と展望。