极客时间 黄鸿波 手把手带你搭建推荐系统
资源简介
在推荐算法刚刚兴起的时候，基本上只要懂一些推荐系统算法的理论，就能够找到一份推荐算法相关的工作。但现在，只有对推荐系统整个的运转流程有了足够的了解，才能够获得企业的青睐。要想拥有推荐系统的全局视角，掌握在面对不同问题时灵活变通的方法，demo 级别的训练远远不够。
为此，我们特地邀请到了在算法和深度学习领域深耕多年的黄鸿波老师，他将提供一整套推荐系统的工程化方案，带你从获取真实的原始数据开始，通过数据处理、特征采集、内容画像、用户画像等一系列步骤，最终把整个系统部署和发布到 Linux 系统上。
同时，这门课程采用环环相扣的讲解方式：前面讲到的内容，一定是后面的系统搭建中的一步。通过这个方式，你能有效掌握推荐系统的全流程，避免“一学就会，一用就废”。
资源目录
——/计算机教程/02极客时间/001-极客时间合集（更新至20230603）-/281-100542801-专栏课-黄鸿波-手把手带你搭建推荐系统（21讲）/
images
647414
647453
647865
648143
648830
649902
650545
651624
652864
653611
655495
656313
656948
657332
659243
659903
660625
661455
662204
662725
663444
664211
01推荐系统：我们应该怎样学习推荐系统？.md 14.73kb
01推荐系统：我们应该怎样学习推荐系统？.mp3 15.29M
01推荐系统：我们应该怎样学习推荐系统？.pdf 3.45M
02Netflix推荐系统：企业级的推荐系统架构是怎样的？.md 12.41kb
02Netflix推荐系统：企业级的推荐系统架构是怎样的？.mp3 13.10M
02Netflix推荐系统：企业级的推荐系统架构是怎样的？.pdf 3.08M
03数据处理：我们应该如何获取和处理数据？.md 9.40kb
03数据处理：我们应该如何获取和处理数据？.mp3 10.00M
03数据处理：我们应该如何获取和处理数据？.pdf 1.67M
04MongoDB：如何安装和使用MongoDB数据库？.md 11.83kb
04MongoDB：如何安装和使用MongoDB数据库？.mp3 11.13M
04MongoDB：如何安装和使用MongoDB数据库？.pdf 3.22M
05Redis：如何安装和使用Redis数据库？.md 8.37kb
05Redis：如何安装和使用Redis数据库？.mp3 8.53M
05Redis：如何安装和使用Redis数据库？.pdf 2.17M
06网络爬虫：爬取一个网站的流程是怎样的？.md 10.43kb
06网络爬虫：爬取一个网站的流程是怎样的？.mp3 10.90M
06网络爬虫：爬取一个网站的流程是怎样的？.pdf 3.64M
07数据获取：什么是Scrapy框架？.md 15.22kb
07数据获取：什么是Scrapy框架？.mp3 14.01M
07数据获取：什么是Scrapy框架？.pdf 5.69M
08数据获取：如何使用Scrapy框架爬取新闻数据？.md 20.09kb
08数据获取：如何使用Scrapy框架爬取新闻数据？.mp3 14.20M
08数据获取：如何使用Scrapy框架爬取新闻数据？.pdf 12.65M
09数据存储：如何将爬取到的数据存入数据库中？.md 15.93kb
09数据存储：如何将爬取到的数据存入数据库中？.mp3 11.64M
09数据存储：如何将爬取到的数据存入数据库中？.pdf 4.04M
10数据加工：如何将原始数据做成内容画像？.md 17.75kb
10数据加工：如何将原始数据做成内容画像？.mp3 15.03M
10数据加工：如何将原始数据做成内容画像？.pdf 3.73M
11基于规则的召回：如何使用规则找到用户的兴趣点？.md 8.20kb
11基于规则的召回：如何使用规则找到用户的兴趣点？.mp3 8.21M
11基于规则的召回：如何使用规则找到用户的兴趣点？.pdf 2.36M
12基于热度的召回：如何使用热门内容来吸引用户？.md 10.34kb
12基于热度的召回：如何使用热门内容来吸引用户？.mp3 10.09M
12基于热度的召回：如何使用热门内容来吸引用户？.pdf 2.70M
13基于关键词的召回：如何使用关键词吸引用户？.md 17.69kb
13基于关键词的召回：如何使用关键词吸引用户？.mp3 14.58M
13基于关键词的召回：如何使用关键词吸引用户？.pdf 2.38M
14基于Flask的推荐服务：搭建基础的Flask服务.md 13.48kb
14基于Flask的推荐服务：搭建基础的Flask服务.mp3 12.31M
14基于Flask的推荐服务：搭建基础的Flask服务.pdf 2.55M
15基于Flask的推荐服务：如何把召回集推荐出去？.md 18.83kb
15基于Flask的推荐服务：如何把召回集推荐出去？.mp3 14.27M
15基于Flask的推荐服务：如何把召回集推荐出去？.pdf 2.86M
16基础用户画像：如何用好用户的注册信息？.md 18.29kb
16基础用户画像：如何用好用户的注册信息？.mp3 15.76M
16基础用户画像：如何用好用户的注册信息？.pdf 4.12M
17推荐系统前端：如何用一个界面展示我们的成果？.md 15.21kb
17推荐系统前端：如何用一个界面展示我们的成果？.mp3 11.83M
17推荐系统前端：如何用一个界面展示我们的成果？.pdf 3.70M
18一个简单的推荐服务闭环包括哪些模块？.md 10.02kb
18一个简单的推荐服务闭环包括哪些模块？.mp3 10.98M
18一个简单的推荐服务闭环包括哪些模块？.pdf 2.35M
19协同过滤：召回算法中永远不落幕的经典.md 18.38kb
19协同过滤：召回算法中永远不落幕的经典.mp3 17.16M
19协同过滤：召回算法中永远不落幕的经典.pdf 1.99M
20Embedding：深入挖掘用户底层特征.md 13.47kb
20Embedding：深入挖掘用户底层特征.mp3 15.10M
20Embedding：深入挖掘用户底层特征.pdf 2.49M
21YouTubeDNN：召回算法的后起之秀（上）.md 12.45kb
21YouTubeDNN：召回算法的后起之秀（上）.mp3 13.03M
21YouTubeDNN：召回算法的后起之秀（上）.pdf 1.94M
开篇词从企业级项目开始，进阶推荐系统.md 9.36kb
开篇词从企业级项目开始，进阶推荐系统.mp3 9.81M
开篇词从企业级项目开始，进阶推荐系统.pdf 2.30M
