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

01-推荐系统与大数据的关系

101-大数据应用案例

102-大数据技术框架

103-推荐系统的技术栈

104-课程的基础要求和安排

02-认识推荐系统

201-什么是推荐系统

202-推荐系统的应用案例

203-推荐系统的评测方法

204-推荐系统的评测指标

03-推荐系统设计

301-推荐系统的设计

302-用户界面的重要性

04-大数据lambda架构

401-什么是lambda架构

402-Lambda架构之批处理层

403-Lambda架构之实时处理层

404-Lambda架构之服务层

405-大数据平台快速部署-实践

406-配置Mysql和Redis-实践

407-安装Kafka-实践

408-安装测试Spark-实践

05-用户画像系统

501-什么是用户画像

502-用户画像的数学描述

503-用户画像系统流程

504-用户画像系统架构

505-用户标签使用案例

506-算法和模型的评价

507-SparkML代码实现

508-代码实例1之模型训练及参数设置-实践

509-代码实例1之参数设置及模型测试-实践

510-代码实例2之使用管道

511-代码实例2之使用管道-实践

512-代码实例3之模型调优

513-代码示例3之模型调优-实践

514-代码示例4之模型调优-实践

515-用户画像系统应用

06-推荐算法

601-推荐模型构建流程

602-推荐算法概述

603_基于协同过滤的推荐算法

604_相似度的计算

605_基于模型的方法

606_协同过滤的实现

607-推荐系统冷启动问题

608-推荐案例实践准备

609-推荐案例IDE环境配置-实践

07-Mahout推荐算法实战

701-Mahout概述

702_Mahout推荐系统组件

703-Mahout推荐系统评估

704-Mahout开发环境部署-实践

705-Mahout推荐实例1之偏好数组-实践

706-Mahout推荐实例2之数据模型-实践

707-Mahout推荐实例3之构建模型-实践

708-Mahout推荐实例4之模型评估1-实践

709-Mahout推荐实例5之模型评估2-实践

710-Mahout推荐实例6之电影推荐1-实践

711-Mahout推荐实例6之电影推荐2-实践

712-Mahout推荐实例6之电影推荐3-实践

713-Mahout推荐实例7之图书推荐1-实践

714-Mahout推荐实例7之图书推荐2-实践

715-Mahout推荐实例7之图书推荐3-实践

716-Mahout推荐实战-实践

08-Spark推荐算法实战

801-Mahout推荐实战补充-实践

802-SparkMLlib概述

803-MLlib推荐算法介绍

804-MLlib推荐算法实战

805-MLlib推荐实例之定义解析函数-实践

806_MLlib推荐实例之探索DataFrame-实践

807-MLlib推荐实例之ALS模型推荐-实践

808-MLlib推荐实例之模型评估-实践

809-推荐实战之开发环境准备-实践

810-推荐实战之实现用户评分函数-实践

811-推荐实战之实现计算RMSE函数-实践

812-推荐实战之参数设置及数据加载-实践

813-推荐实战之用户调查及数据拆分-实践

814-推荐实战之模型训练及评估-实践

815-推荐实战之个性化推荐-实践

816-推荐实战之测试部署-实践

09-推荐系统与Lambda架构

901-推荐系统与Lambda架构

902_推荐系统数据收集背景

903-FlumeNG数据收集系统

904-Web日志数据采集Flume部署配置-实践

905-Web日志数据采集Flume运行测试-实践

906_Sqoop数据收集工具

907-Sqoop收集账户数据-实践

908-HDFS数据存储系统

909-上传知识库文档到HDFS

910-HBase数据库存储系统

911-加载并访问Hbase的评分数据-实践

912-推荐系统综合实战

913-推荐系统离线层实现-实践

914-推荐系统服务层实现-实践

915-推荐系统实时层实现-实践

资源下载

此资源下载价格为12学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305