大数据机器学习案例之推荐系统任大勇专题视频课程

大数据机器学习案例之推荐系统—425人已学习


课程介绍    




    本次培训以商业实战项目作为驱动来学习大数据技术在推荐系统项目中的应用。使得学员能够亲身体会大数据项目的使用场景和开发场景及其所产生的商业价值&＃xff0c;零距离接触企业实战型项目&＃xff0c;学以致用&＃xff0c;不停留在大数据的概念环节而是进入大数据技术实战项目开发阶段。


课程收益

    不停留在大数据的概念环节而是进入大数据技术实战项目开发阶段


讲师介绍

    任大勇
更多讲师课程

    任老师&＃xff0c;Cloudera管理/开发/分析认证讲师&＃xff0c;华为高级特聘讲师&＃xff0c;新华三大学高级特聘讲师&＃xff0c;中国大数据技术与应用联盟高级讲师&＃xff0c;全国高校大数据联盟特聘讲师&＃xff0c;中国移动高级讲师&＃xff0c;前IBM大数据架构师。线下超过100场授课经验&＃xff0c;广受好评&＃xff0c;业界口碑极佳&＃xff01;


课程大纲

  第1章:系统推荐与大数据的关系

    1.
大数据应用案例  23:54

    2.
大数据技术框架  8:45

    3.
推荐系统的技术栈  14:22

    4.
课程的基础要求和安排  6:55

  第2章:认识推荐系统

    1.
什么是推荐系统  20:51

    2.
推荐系统的应用案例  27:09

    3.
推荐系统的评测方法  15:36

    4.
推荐系统的评测指标  28:58

  第3章:推荐系统设计

    1.
推荐系统的设计  29:07

    2.
用户界面的重要性  21:05

  第4章:大数据lambda架构

    1.
什么是lambda架构  13:35

    2.
Lambda架构之批处理层  27:55

    3.
Lambda架构之实时处理层  12:27

    4.
Lambda架构之服务层  8:04

    5.
大数据平台快速部署-实践  31:59

    6.
配置Mysql和Redis-实践  15:19

    7.
安装Kafka-实践  7:03

    8.
安装测试Spark-实践  21:04

  第5章:用户画像系统01

    1.
什么是用户画像  10:08

    2.
用户画像的数学描述  16:11

    3.
用户画像系统流程  28:45

    4.
用户画像系统架构  5:35

    5.
用户标签使用案例  25:26

    6.
算法和模型的评价  17:10

    7.
SparkML代码实现  22:08

  第6章:用户画像系统02

    1.
代码实例1之模型训练及参数设置-实践  28:12

    2.
代码实例1之参数设置及模型测试-实践  18:03

    3.
代码实例2之使用管道  6:45

    4.
代码实例2之使用管道-实践  32:01

    5.
代码实例3之模型调优  11:29

    6.
代码示例3之模型调优-实践  20:18

    7.
代码示例4之模型调优-实践  26:02

    8.
用户画像系统应用  17:39

  第7章:推荐算法

    1.
推荐模型构建流程  13:33

    2.
推荐算法概述  17:40

    3.
基于协同过滤的推荐算法  17:39

    4.
相似度的计算  18:03

    5.
基于模型的方法  18:32

    6.
协同过滤的实现  15:27

    7.
推荐系统冷启动问题  13:44

    8.
推荐案例实践准备  11:04

    9.
推荐案例IDE环境配置-实践  14:24

  第8章:Mahout推荐算法实战01

    1.
Mahout概述  27:57

    2.
Mahout推荐系统组件  30:34

    3.
Mahout推荐系统评估  12:35

  第9章:Mahout推荐算法实战02

    1.
Mahout开发环境部署-实践  15:50

    2.
Mahout推荐实例1之偏好数组-实践  17:17

    3.
Mahout推荐实例2之数据模型-实践  16:33

    4.
Mahout推荐实例3之构建模型-实践  23:22

    5.
Mahout推荐实例4之模型评估1-实践  38:49

    6.
Mahout推荐实例5之模型评估2-实践  19:58

    7.
Mahout推荐实例6之电影推荐1-实践  25:57

    8.
Mahout推荐实例6之电影推荐2-实践  26:51

    9.
Mahout推荐实例6之电影推荐3-实践  29:18

    10.
Mahout推荐实例7之图书推荐1-实践  22:23

    11.
Mahout推荐实例7之图书推荐2-实践  22:23

    12.
Mahout推荐实例7之图书推荐3-实践  24:28

    13.
Mahout推荐系统实战-实践  31:09

    14.
Mahout推荐实战补充-实践  5:09

  第10章:Spark推荐算法实战01

    1.
Spark MLlib概述  15:13

    2.
MLlib推荐算法介绍  12:54

    3.
MLlib推荐算法实战  13:34

  第11章:Spark推荐算法实战02

    1.
MLlib推荐实例之定义解析函数-实践  23:07

    2.
MLlib推荐实例之探索DataFrame-实践  28:13

    3.
MLlib推荐实例之ALS模型推荐-实践  15:40

    4.
MLlib推荐实例之模型评估-实践  28:16

    5.
推荐实战之开发环境准备-实践  22:54

    6.
推荐实战之实现用户评分函数-实践  15:47

    7.
推荐实战之实现计算RMSE函数-实践  10:16

    8.
推荐实战之参数设置及数据加载-实践  17:00

    9.
推荐实战之用户调查及数据拆分-实践  18:30

    10.
推荐实战之模型训练及评估-实践  22:46

    11.
推荐实战之个性化推荐-实践  12:58

    12.
推荐实战之测试部署-实践  28:09

  第12章:推荐系统与Lambda架构01

    1.
推荐系统与Lambda架构  20:50

    2.
推荐系统数据收集背景  17:30

    3.
FlumeNG数据收集系统  27:36

    4.
Web日志数据采集Flume部署配置-实践  22:40

    5.
Web日志数据采集Flume运行测试-实践  17:06

    6.
Sqoop数据收集工具  27:09

    7.
Sqoop收集账户数据-实践  31:27

    8.
HDFS数据存储系统  27:36

    9.
上传知识库文档到HDFS  9:50

  第13章:推荐系统与Lambda架构02

    1.
HBase数据库存储系统  40:32

    2.
加载并访问Hbase的评分数据-实践  35:31

    3.
推荐系统综合实战  8:21

    4.
推荐系统离线层实现-实践  37:47

    5.
推荐系统服务层实现-实践  18:22

    6.
推荐系统实时层实现-实践  26:43

大家可以点击【
查看详情】查看我的课程