课程名称
基于大数据技术推荐系统算法案例实战，资源教程下载
课程目录
课件文档代码.rar
01.01_大数据应用案例.rar
01.02_大数据技术框架.rar
01.03_推荐系统的技术栈.rar
01.04_课程的基础要求和安排.rar
02.01_什么是推荐系统.rar
03.01_推荐系统的设计.rar
03.02_用户界面的重要性.rar
04.01_什么是lambda架构.rar
04.02_Lambda架构之批处理层.rar
04.03_Lambda架构之实时处理层.rar
04.04_Lambda架构之服务层.rar
05.01_什么是用户画像.rar
05.02_用户画像的数学描述.rar
05.03_用户画像系统流程.rar
05.04_用户画像系统架构.rar
05.05_用户标签使用案例.rar
05.06_算法和模型的评价.rar
05.07_SparkML代码实现.rar
05.08_代码实例1之模型训练及参数设置-实践.rar
05.09_代码实例1之参数设置及模型测试-实践.rar
05.10_代码实例2之使用管道.rar
05.11_代码实例2之使用管道-实践.rar
05.12_代码实例3之模型调优.rar
05.13_代码示例3之模型调优-实践.rar
05.14_代码示例4之模型调优-实践.rar
05.15_用户画像系统应用.rar
06.01_推荐模型构建流程.rar
06.02_推荐算法概述.rar
06.03_基于协同过滤的推荐算法.rar
06.04_相似度的计算.rar
06.05_基于模型的方法.rar
06.06_协同过滤的实现.rar
06.07_推荐系统冷启动问题.rar
06.08_推荐案例实践准备.rar
06.09_推荐案例IDE环境配置-实践.rar
07.01_Mahout概述.rar
07.02_Mahout推荐系统组件.rar
07.03_Mahout推荐系统评估.rar
07.04_Mahout开发环境部署-实践.rar
07.05_Mahout推荐实例1之偏好数组-实践.rar
07.06_Mahout推荐实例2之数据模型-实践.rar
07.07_Mahout推荐实例3之构建模型-实践.rar
07.08_Mahout推荐实例4之模型评估1-实践.rar
07.09_Mahout推荐实例5之模型评估2-实践.rar
07.10_Mahout推荐实例6之电影推荐1-实践.rar
07.11_Mahout推荐实例6之电影推荐2-实践.rar
07.12_Mahout推荐实例6之电影推荐3-实践.rar
07.13_Mahout推荐实例7之图书推荐1-实践.rar
07.14_Mahout推荐实例7之图书推荐2-实践.rar
07.15_Mahout推荐实例7之图书推荐3-实践.rar
07.16_Mahout推荐系统实战-实践.rar
08.01_Mahout推荐实战补充-实践.rar
08.02_Spark MLlib概述.rar
08.03_MLlib推荐算法介绍.rar
08.04_MLlib推荐算法实战.rar
08.05_MLlib推荐实例之定义解析函数-实践.rar
08.06_MLlib推荐实例之探索DataFrame_实践.rar
08.07_MLlib推荐实例之ALS模型推荐-实践.rar
08.08_MLlib推荐实例之模型评估-实践.rar
08.09_推荐实战之开发环境准备-实践.rar
08.10_推荐实战之实现用户评分函数-实践.rar
08.11_推荐实战之实现计算RMSE函数-实践.rar
08.12_推荐实战之参数设置及数据加载-实践.rar
08.13_推荐实战之用户调查及数据拆分-实践.rar
08.14_推荐实战之模型训练及评估-实践.rar
08.15_推荐实战之个性化推荐-实践.rar
08.16_推荐实战之测试部署-实践.rar
09.01_推荐系统与Lambda架构.rar
09.02_推荐系统数据收集背景.rar
09.03_FlumeNG数据收集系统.rar
09.04_Web日志数据采集Flume部署配置-实践.rar
09.05_Web日志数据采集Flume运行测试-实践.rar
09.06_Sqoop数据收集工具.rar
09.07_Sqoop收集账户数据-实践.rar
09.08_HDFS数据存储系统.rar
09.09_上传知识库文档到HDFS.rar
09.10_HBase数据库存储系统.rar
09.11_加载并访问Hbase的评分数据-实践.rar
09.12_推荐系统综合实战.rar
09.13_推荐系统离线层实现-实践.rar
09.14_推荐系统服务层实现-实践.rar
09.15_推荐系统实时层实现-实践.rar
评论0