[老汤-人工智能]机器学习十一之Spark推荐系统

本课程的目的是使得同学们学习大数据领域中的推荐系统

课程内容从两部分讲解推荐系统：

第一部分讲解的是推荐系统需要的算法及其推导，内容如下：

1、基于内容的推荐系统

2、协同过滤的核心概念

3、基于用户的协同过滤和基于产品的协同过滤

4、相似度的计算

5、隐语义模型的讲解

6、Spark支持的推荐算法的介绍

7、交替最小二乘法(ALS)的推导

第二部分讲解的是Spark代码实现的推荐系统，内容如下：

1、隐式类型数据的推荐的实现

2、显示类型数据的推荐的实现

3、冷启动问题

4、Spark中ml包和mllib包的比较

【老汤人工智能】机器学习课程体系分为三部分：

机器学习一之数学基础(https://edu.51cto.com/course/14792.html)：从微积分和线性代数两个方面讲解机器学习需要的数学知识

机器学习二之线性回归(https://edu.51cto.com/course/16010.html  )：讲解机器学习中最简单也是最常用的线性回归算法(包括一元线性回归和多元线性回归算法)

机器学习三之逻辑回归(https://edu.51cto.com/course/16009.html  )：讲解机器学习中分类算法(也就是逻辑回归算法)，还讲解了解决机器学习的过拟合问题

机器学习四之模型调试(https://edu.51cto.com/course/16004.html  )：讲解机器学习中怎么来评估模型、测试模型以及怎样定位模型问题等

机器学习五之SVM算法(https://edu.51cto.com/course/16003.html )：讲解机器学习中应用很广泛的支持向量机算法(即SVM算法)

机器学习六Spark机器学习实战一(https://edu.51cto.com/course/17300.html  )：航班延迟预测

机器学习七之决策树算法(https://edu.51cto.com/course/16002.html )：讲解机器学习中决策树算法，以及基于决策树的回归树算法、提升树算法以及梯度提升算法等算法

机器学习八Spark机器学习实战二(https://edu.51cto.com/course/17345.html)：运动数据分类

机器学习九之非监督类型算法(https://edu.51cto.com/course/16001.html )：讲解机器学习中非监督类型的算法，包括：聚类算法(K-Means算法)以及PCA降维算法

机器学习十Spark机器学习实战三(https://edu.51cto.com/course/17381.html  )：uber载客位置聚类分析

机器学习十一Spark推荐系统实战(https://edu.51cto.com/course/14871.html)：讲解怎样使用Spark实现推荐系

Scala、Spark Core、Spark SQL以及Spark Streaming的学习，请在51CTO学堂搜索"老汤"