个性化推荐算法实战（可用于毕设） BAT大牛亲授

个性化推荐算法实战（可用于毕设） BAT大牛亲授

课程推荐

《个性化推荐算法实战（可用于毕设） BAT大牛亲授》个性化推荐算法实战（可用于毕设） BAT大牛亲授【技能收获】学完可掌握：Embedding 向量检索。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（54 节）

*   1-1 个性化推荐算法课程导学  (1222).mp4

*   1-2 个性化推荐算法综述  (1314).mp4

*   1-3 个性化召回算法综述  (0811).mp4

*   2-1 LFM算法综述  (1000).mp4

*   2-2 LFM算法的理论基础与公式推导  (1444).mp4

*   2-3 基础工具函数的代码书写  (1457).mp4

*   2-4 LFM算法训练数据抽取  (1537).mp4

*   2-5 LFM模型训练  (1924).mp4

*   2-6 基于LFM的用户个性化推荐与推荐结果分析  (1423).mp4

*   3-1 personal rank算法的背景与物理意义  (1103).mp4

*   3-2 personal rank 算法的数学公式推导  (0943).mp4

*   3-3 代码构建用户物品二分图  (1052).mp4

*   3-4 代码实战personal rank算法的基础版本  (2120).mp4

*   3-5 代码实战personal rank算法矩阵版本上  (1656).mp4

*   3-6 代码实战personal rank算法的矩阵版本下 -1  (0210).mp4

*   3-7 代码实战personal rank算法的矩阵版本下-2  (1158).mp4

*   4-1 item2vec算法的背景与物理意义  (1253).mp4

*   4-2 item2vec依赖模型word2vec之cbow数学原理介绍  (1559).mp4

*   4-3 item2vec依赖模型word2vec之skip gram数学原理介绍  (0925).mp4

*   4-4 代码生成item2vec模型所需训练数据  (0825).mp4

*   4-5 word2vec运行参数介绍与item embedding  (1456).mp4

*   4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理  (1657).mp4

*   5-1 content based算法理论知识介绍  (1144).mp4

*   5-2 content based算法代码实战之工具函数的书写  (1718).mp4

*   5-3 用户刻画与基于内容推荐的代码实战。  (1908).mp4

*   6-1 个性化召回算法总结与评估方法的介绍。  (1034).mp4

*   7-1 学习排序综述  (1201).mp4

*   8-1 逻辑回归模型的背景知识介绍  (1408).mp4

*   8-2 逻辑回归模型的数学原理  (1347).mp4

*   8-3 样本选择与特征选择相关知识  (1336).mp4

*   8-4 代码实战LR之样本选择  (1209).mp4

*   8-5 代码实战LR之离散特征处理  (1958).mp4

*   8-6 代码实战LR之连续特征处理  (1531).mp4

*   8-7 LR模型的训练  (1333).mp4

*   8-8 LR模型在测试数据集上表现-上  (1738).mp4

*   8-9 LR模型在测试数据集上表现-下  (2103).mp4

*   8-10 LR模型训练之组合特征介绍  (1701).mp4

*   9-1 背景知识介绍之决策树  (1454).mp4

*   9-2 梯度提升树的数学原理与构建流程  (1412).mp4

*   9-3 xgboost数学原理介绍  (1127).mp4

*   9-4 gbdt与LR混合模型网络介绍  (0725).mp4

*   9-5 代码训练gbdt模型  (1627).mp4

*   9-6 gbdt模型最优参数选择  (1023).mp4

*   9-7 代码训练gbdt与LR混合模型  (1922).mp4

*   9-8 模型在测试数据集表现 上  (2256).mp4

*   9-9 模型在测试数据集表现 下  (0747).mp4

*   10-1 背景知识介绍之什么是深度学习  (1106).mp4

*   10-2 DNN网络结构与反向传播算法  (1723).mp4

*   10-3 wide and deep网络结构与数学原理介绍  (1112).mp4

*   10-4 .代码实战wd模型之wide侧与deep侧特征构建  (1600).mp4

*   10-5 代码实战wd模型之模型对象的构建  (1109).mp4

*   10-6 wd模型的训练与模型在测试数据集上的表现  (1717).mp4

*   11-1 学习排序部分总结与回顾  (1206).mp4

*   12-1 个性化推荐算法实战课程总结与回顾  (0711).mp4