资源亮点
本教程内容丰富，涵盖了从基础算法到高级算法的深入讲解，同时结合知名企业的实际项目案例，帮助学习者更好地理解和应用算法知识。
适用场景
- 适合计算机科学专业学生和算法爱好者学习。
- 适合准备求职IT行业的求职者，特别是希望进入大型企业的求职者。
- 适合希望提升算法能力和项目经验的在职人员。
资源价值
通过本教程，学习者可以：
- 掌握算法的基本原理和应用。
- 了解并实践知名企业的真实项目。
- 提升解决实际问题的能力。
📂 资源目录
📁 基础视频
📁 📁 PART2
📁 📁 PART2
10.2推荐结果显示.mp4 [38.6 MB]
8.3e贪心算法.mp4 [22.3 MB]
8.7机器学习中的EE关系.mp4 [14.1 MB]
10.5转化率偏置问题.mp4 [28.1 MB]
9.1推荐系统架构设计.mp4 [16.2 MB]
10.6召回技术的局限性.mp4 [48.2 MB]
9.6从离线到在线.mp4 [27.3 MB]
7.7系统监控.mp4 [19.5 MB]
10.7总结.mp4 [19.2 MB]
8.2多臂老虎机问题.mp4 [27.9 MB]
7.6交叉实验.mp4 [30.4 MB]
9.2系统边界和外部依赖.mp4 [30.9 MB]
10.4信息茧房.mp4 [21.6 MB]
8.8推荐系统中的EE思考.mp4 [16.9 MB]
9.3离线层架构.mp4 [35.9 MB]
8.5汤普森采样.mp4 [15.6 MB]
10.3相关性和因果性.mp4 [35.6 MB]
8.1多臂老虎机和EE问题.mp4 [23.0 MB]
9.7基于DSL的系统架构设计.mp4 [34.7 MB]
8.6LinUCB.mp4 [18.9 MB]
9.4在线层架构.mp4 [32.4 MB]
8.4UCB算法.mp4 [39.4 MB]
10.1推荐系统的挑战以及前沿发展.mp4 [37.1 MB]
9.5系统架构演进原则.mp4 [21.1 MB]
📁 📁 PART1
4.8神经网络模型.mp4 [28.4 MB]
2.4VC维和Bias.mp4 [36.9 MB]
1.3推荐系统的技术演进.mp4 [34.8 MB]
7.3在线效果评测方法.mp4 [35.0 MB]
4.7LDA的应用实例.mp4 [28.5 MB]
7.1常用评测指标.mp4 [47.6 MB]
5.4用户兴趣模型的简单方法.mp4 [19.7 MB]
1.2推荐系统的演化过程.mp4 [23.4 MB]
2.2机器学习的学习问题.mp4 [31.0 MB]
4.9行为数据文档化.mp4 [17.2 MB]
5.5用户兴趣模型的复杂方法.mp4 [16.9 MB]
3.8图模型embedding算法.mp4 [31.2 MB]
4.5概率隐语义模型pLSA.mp4 [23.8 MB]
3.1基于User的协同过滤算法.mp4 [23.4 MB]
3.2基于Item的协同过滤算法.mp4 [19.3 MB]
4.3词袋模型的拓展TF.mp4 [29.5 MB]
6.3模型效果评估.mp4 [38.5 MB]
7.2离线效果评测方法.mp4 [26.0 MB]
3.3物品相似度的算法实现.mp4 [44.6 MB]
3.4协同过滤算法的变种.mp4 [19.7 MB]
7.5更好更快的在线系统.mp4 [44.6 MB]
4.2词袋模型和向量空间模型.mp4 [21.5 MB]
6.4常用模型介绍.mp4 [32.2 MB]
2.6交叉验证.mp4 [11.1 MB]
7.4在线评测方法.mp4 [25.1 MB]
4.10行为序列数据文档化和向量化.mp4 [13.3 MB]
1.1课程简介.mp4 [11.9 MB]
2.1学习方法.mp4 [9.9 MB]
6.2常用模型介绍.mp4 [18.3 MB]
6.1问题分析与目标定义.mp4 [26.9 MB]
5.3物品侧画像.mp4 [23.2 MB]
2.7损失函数和正则化.mp4 [20.0 MB]
5.7用户兴趣模型的架构设计.mp4 [14.6 MB]
3.6反馈时效性优化.mp4 [26.8 MB]
2.3假设集合.mp4 [15.0 MB]
6.5模型效果评估.mp4 [19.5 MB]
4.1推荐系统策略流程和核心问题.mp4 [14.1 MB]
1.4推荐系统的核心产品问题.mp4 [23.0 MB]
2.5Bias.mp4 [15.7 MB]
2.8最优化方法.mp4 [17.9 MB]
5.2用户画像的价值准则.mp4 [16.1 MB]
3.5间隔时效性优化.mp4 [11.7 MB]
3.7随机游走算法.mp4 [20.2 MB]
2.9贝叶斯决策理论.mp4 [15.6 MB]
4.6生成式概率隐语义模型LDA.mp4 [17.3 MB]
6.6机器学习系统架构设计.mp4 [9.4 MB]
4.4隐语义模型LSA.mp4 [33.5 MB]
5.1推荐系统中的用户画像.mp4 [17.7 MB]
2.10总结如何构建自己的知识脉络.mp4 [11.3 MB]
5.6用户兴趣扩展.mp4 [17.1 MB]
📁 项目就业视频
📁 📁 PART1
第6课时 推荐系统公司级别的架构方法介绍(三).mp4 [175.2 MB]
第16、17课时： 阿里口碑流量预测解决方案1.mp4 [90.1 MB]
说明.zip [484.0 B]
课程总结.mp4 [1.0 MB]
第13、14课时： 京东购买预估第3种解决方案.mp4 [242.1 MB]
第11、12课时： 京东购买预估第2种解决方案.mp4 [81.9 MB]
第22课时： 推荐系统方法讲解.mp4 [143.1 MB]
第9、10课时： 京东购买预估第1种解决方案.mp4 [224.0 MB]
第2课时 基本介绍.mp4 [7.0 MB]
第4课时 推荐系统公司级别的架构方法介绍(一).mp4 [121.6 MB]
第5课时 推荐系统公司级别的架构方法介绍(二).mp4 [57.9 MB]
第8课时： 项目介绍与说明.mp4 [12.8 MB]
第23课时： 音乐推荐系统数据解析.mp4 [91.6 MB]
第15课时： rossmann连锁商店销量预估解决方案.mp4 [210.6 MB]
第25课时： 用户行为序列建模的推荐系统.mp4 [49.7 MB]
第3课时 推荐系统基础.mp4 [289.7 MB]
第26课时： 电影推荐系统的构建（上）.mp4 [68.0 MB]
第1课时 L2阶段学习说明.mp4 [29.5 MB]
第20、21课时： 阿里口碑流量预测top方案PPT一览.mp4 [54.9 MB]
第18、19课时： 阿里口碑流量预测解决方案2.mp4 [130.0 MB]
第7课时 推荐系统实践书籍导读.mp4 [84.6 MB]
第24课时： 基于surprise的歌单推荐系统.mp4 [101.7 MB]
📁 📁 PART2
第35课时： 推荐项目说明.mp4 [120.5 MB]
第28课时： 课程说明与wide_and_deep模型讲解.mp4 [131.2 MB]
第32课时 xDeepFM模型讲解.mp4 [133.4 MB]
第27课时： 电影推荐系统的构建（下）.mp4 [115.3 MB]
第33、34课时： 抖音推荐案例讲解.mp4 [208.2 MB]
第31课时： 抖音短视频理解与推荐案例背景.mp4 [42.0 MB]
第29课时： wide_and_deep模型示例.mp4 [88.5 MB]
第30课时： 使用wide_and_deep模型的youtube推荐系统.mp4 [70.9 MB]