查看“深度学习推荐系统实战”的源代码

==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？]]