推荐系统训练营-推荐系统工程师 - 带源码课件
推荐系统主要分两个环节：召回和排序。
这两个阶段都离不开用户画像的支持，而用户画像又是在内容画像的基础上不断累积用户行为而来，故，首先需要有内容画像，构建文本物品的内容画像需要nlp技术的支持，存储内容和用户互相依赖常用数据库以及贝叶斯平滑、威尔逊置信区间等技术。
学习本项目后，你将了解到如何使用nlp技术抽取物品信息形成的内容标签，依托mysql、Redis等数据库存储内容画像，并基于内容画像和用户行为形成用户画像，再此基础之上建立基于画像的推荐系统。
├── Week 1：机器学习基础
├── Week 2：推荐系统基础
├── Week 3：内容画像与用户画像
├── Week 4：用户画 Week
├── Week 5：传统match方法
├── Week 6：深度match方法
├── Week 7：经典Ranking方法
├── Week 8： GraphEmbedding 大家族与用户行为构建
├── Week 9：引入sideinfo信息的图推荐、基于推理的图推荐
├── Week 10：深度Ranking模型等多个文件
├── Week 11：重排序与多目标学习
├── Week 12：热点文章实时召回
├── Week 13：多目标与用户多兴趣
├── Week 14：强化学习与推荐系统
├── Week 15：项目总结、部署
├── 资料
请回复取码，谢谢支持！🌹
