一、基础理论视频
1.1课程简介.mp4
1.2推荐系统的演化过程.mp4
1.3推荐系统的技术演进.mp4
1.4推荐系统的核心产品问题.mp4
2.1学习方法.mp4
2.2机器学习的学习问题.mp4
2.3假设集合.mp4
2.4VC维和Bias.mp4
2.5Bias.mp4
2.6交叉验证.mp4
2.7损失函数和正则化.mp4
2.8最优化方法.mp4
2.9贝叶斯决策理论.mp4
2.10总结如何构建自己的知识脉络.mp4
3.1基于User的协同过滤算法.mp4
3.2基于Item的协同过滤算法.mp4
3.3物品相似度的算法实现.mp4
3.4协同过滤算法的变种.mp4
3.5间隔时效性优化.mp4
3.6反馈时效性优化.mp4
3.7随机游走算法.mp4
3.8图模型embedding算法.mp4
4.1推荐系统策略流程和核心问题.mp4
4.2词袋模型和向量空间模型.mp4
4.3词袋模型的拓展TF.mp4
4.4隐语义模型LSA.mp4
4.5概率隐语义模型pLSA.mp4
4.6生成式概率隐语义模型LDA.mp4
4.7LDA的应用实例.mp4
4.8神经网络模型.mp4
4.9行为数据文档化.mp4
4.10行为序列数据文档化和向量化.mp4
5.1推荐系统中的用户画像.mp4
5.2用户画像的价值准则.mp4
5.3物品侧画像.mp4
5.4用户兴趣模型的简单方法.mp4
5.5用户兴趣模型的复杂方法.mp4
5.6用户兴趣扩展.mp4
5.7用户兴趣模型的架构设计.mp4
6.1问题分析与目标定义.mp4
6.2常用模型介绍.mp4
6.3模型效果评估.mp4
6.4常用模型介绍.mp4
6.5模型效果评估.mp4
6.6机器学习系统架构设计.mp4
7.1常用评测指标.mp4
7.2离线效果评测方法.mp4
7.3在线效果评测方法.mp4
7.4在线评测方法.mp4
7.5更好更快的在线系统.mp4
7.6交叉实验.mp4
7.7系统监控.mp4
8.1多臂老虎机和EE问题.mp4
8.2多臂老虎机问题.mp4
8.3e贪心算法.mp4
8.4UCB算法.mp4
8.5汤普森采样.mp4
8.6LinUCB.mp4
8.7机器学习中的EE关系.mp4
8.8推荐系统中的EE思考.mp4
9.1推荐系统架构设计.mp4
9.2系统边界和外部依赖.mp4
9.3离线层架构.mp4
9.4在线层架构.mp4
9.5系统架构演进原则.mp4
9.6从离线到在线.mp4
9.7基于DSL的系统架构设计.mp4
10.1推荐系统的挑战以及前沿发展.mp4
10.2推荐结果显示.mp4
10.3相关性和因果性.mp4
10.4信息茧房.mp4
10.5转化率偏置问题.mp4
10.6召回技术的局限性.mp4
10.7总结.mp4
二、项目就业视频
第1课时 L2阶段学习说明.mp4
第2课时 基本介绍.mp4
第3课时 推荐系统基础.mp4
第4课时 推荐系统公司级别的架构方法介绍(一).mp4
第5课时 推荐系统公司级别的架构方法介绍(二).mp4
第6课时 推荐系统公司级别的架构方法介绍(三).mp4
第7课时 推荐系统实践书籍导读.mp4
第8课时： 项目介绍与说明.mp4
第9、10课时： 京东购买预估第1种解决方案.mp4
第11、12课时： 京东购买预估第2种解决方案.mp4
第13、14课时： 京东购买预估第3种解决方案.mp4
第15课时： rossmann连锁商店销量预估解决方案.mp4
第16、17课时： 阿里口碑流量预测解决方案1.mp4
第18、19课时： 阿里口碑流量预测解决方案2.mp4
第20、21课时： 阿里口碑流量预测top方案PPT一览.mp4
第22课时： 推荐系统方法讲解.mp4
第23课时： 音乐推荐系统数据解析.mp4
第24课时： 基于surprise的歌单推荐系统.mp4
第25课时： 用户行为序列建模的推荐系统.mp4
第26课时： 电影推荐系统的构建（上）.mp4
第27课时： 电影推荐系统的构建（下）.mp4
第28课时： 课程说明与wide_and_deep模型讲解.mp4
第29课时： wide_and_deep模型示例.mp4
第30课时： 使用wide_and_deep模型的youtube推荐系统.mp4
第31课时： 抖音短视频理解与推荐案例背景.mp4
第32课时 xDeepFM模型讲解.mp4
第33、34课时： 抖音推荐案例讲解.mp4
第35课时： 推荐项目说明.mp4
