深度学习推荐系统实战

开篇词

本笔记记自”极客时间“ 同名教程

仅限于山东商职云计算协会 内部交流

• 深度学习推荐系统实战：开篇词

基础架构篇

• 深度学习推荐系统实战：经典技术架构
• Sparrow RecSys：我们要实现什么样的推荐系统？
• 深度学习基础：你打牢深度学习知识的地基了吗？
• 深度学习推荐系统实战：推荐资料
• 深度学习推荐系统基础：你掌握了多少？

特征工程篇

• 特征工程：推荐系统有哪些可供利用的特征
• 特征处理：如何利用Spark解决特征处理问题？
• Embedding基础：所有人都在谈的Embedding技术到底是什么？
• Embedding进阶：如何利用图结构数据生成Graph Embedding？
• Embedding实战：如何使用Spark生成Item2vec和Graph Embedding？
• 答疑：基础架构篇+特征工程篇疑难解答

python版本的实操 ~

《PySpark 机器学习、自然语言处理与推荐系统》中有关于pyspark 实现推荐系统的代码

线上服务篇

• 线上服务：如何在线上提供高并发的推荐服务？
• 存储模块：如何用Redis解决推荐系统特征的存储问题？
• 召回层：如何快速又准确地筛选掉不相关物品？
• 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？
• 模型服务：怎样把你的离线模型部署到线上？
• 融会贯通：Sparrow RecSys中的电影相似推荐功能是如何实现的？
• 答疑_线上服务篇留言问题详解

推荐模型篇

• 协同过滤：最经典的推荐模型，我们应该掌握什么？
• 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？
• 模型实战准备（一）____TensorFlow入门和环境配置
• 模型实战准备（二）____模型特征、训练样本的处理
• Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？
• Wide&Deep：怎样让你的模型既有想象力又有记忆力？
• NeuralCF：如何用深度学习改造协同过滤？
• DeepFM：如何让你的模型更好地处理特征交叉？
• 注意力机制、兴趣演化：推荐系统如何抓住用户的心？
• 强化学习：让推荐系统像智能机器人一样自主学习
• 特别加餐 ___“银弹”不可靠，最优的模型结构该怎么找？
• 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？