炼数成金 推荐系统
资源简介
推荐系统是当今应用最广和最成功的机器学习系统。最早的推荐系统诞生于亚马逊，广受消费者好评。之后逐渐被各路电商企业仿效学习，现在已经成为电商标配。推荐系统在社交网站里也应用广泛，相信大家对某些社交工具的好友推荐的精准度感觉到由衷的赞叹。推荐系统可以提高用户体验，给用户“机器系统居然能知道我个人喜好”的震撼感觉，同时也通过向用户提供更丰富更合适的商品来赢取订单和更多的销售额，充分体现“数据是企业核心价值”的时代潮流。各种推荐系统设计和改进，是电商企业和社交网站的当务之急，这里也产生了大量的人才需求。
推荐系统在院校几乎很少能成为一个单独的专业，大部分人都是半路出家。构建者可能有数据分析师，更多的是IT人，受命建设一个全新的系统，面对全新的陌生的领域，很多人会感到自己知识贫乏，无从下手。对于构建一个推荐系统，这里面既有算法设计的问题，也有大数据计算和实时性要求的问题，如果不具备全面的知识，恐怕难以设计出一个完美的系统。在炼数成金已经开课的Hadoop案例，Mahout，机器学习，NoSQL等课程里，曾经零散地涉及与推荐系统设计实现有关的知识点，吸引了不少学员的兴趣，我们也经常收到学员关于推荐系统方面的咨询问题。由此萌生了将这些分布在各个课程里的内容聚合成体系化的专门课程，并将意犹未尽的知识点充分讲述的想法，于是就有了这门课。
资源目录
——/计算机教程LTDLG/09-其他/324-炼数成金 推荐系统/
1.推荐系统概述
RS01a.mp4 183.87M
RS01b.mp4 98.06M
RS01c.mp4 122.96M
RS01d.mp4 42.20M
RS01e.mp4 25.47M
RS01f.mp4 59.29M
2.最流行的推荐系统：itemCF和userCF
RS02a.mp4 180.36M
RS02b.mp4 43.39M
RS02c.mp4 58.45M
RS02d.mp4 72.81M
RS02e.mp4 53.15M
3.大数据环境下的itemCF实现
RS03a.mp4 41.02M
RS03b.mp4 327.38M
RS03c.mp4 230.69M
4.基于频繁模式的推荐系统，套餐设计
RS04a.mp4 46.47M
RS04b.mp4 135.74M
RS04c.mp4 169.13M
RS04d.mp4 76.34M
5.文本挖掘与标签系统
RS05a.mp4 138.40M
RS05b.mp4 190.61M
RS05c.mp4 71.30M
RS05d.mp4 65.93M
RS05e.mp4 173.98M
6.基于内容的推荐系统
RS06a.mp4 105.20M
RS06b.mp4 159.05M
RS06c.mp4 159.64M
RS06d.mp4 131.95M
RS06e.mp4 204.80M
7.社交网络好友推荐，图算法，在图数据库Neo4j上的实现
RS07a.mp4 137.70M
RS07b.mp4 35.09M
RS07c.mp4 79.38M
RS07d.mp4 68.81M
RS07e.mp4 60.59M
8.用Cypher语言实现好友推荐
RS08a.mp4 36.39M
RS08b.mp4 66.50M
RS08c.mp4 126.16M
RS08d.mp4 89.00M
RS08e.mp4 104.60M
RS08f.mp4 101.03M
RS08g.mp4 89.10M
RS08h.mp4 106.01M
RS08i.mp4 30.99M
9.实时推荐系统
RS09a.mp4 63.95M
RS09b.mp4 67.59M
RS09c.mp4 46.38M
RS09d.mp4 134.59M
RS09e.mp4 141.44M
RS09f.mp4 284.18M
参考资料
14.10.16#Mahout推荐算法API详解.docx 874.80kb
14.10.16#从源代码剖析Mahout推荐引擎.docx 623.84kb
14.10.16#用Mahout构建职位推荐引擎.docx 214.05kb
14.10.16#用Maven构建Hadoop项目.docx 326.23kb
14.10.16#用Maven构建Mahout项目.docx 342.84kb
neo4j-manual-1.9.2.pdf 3.82M
O’Reilly.Graph.Databases.2013.pdf 5.55M
