- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐
![](https://s2.51cto.com/images/202009/08/43cf55640323414e224d99a2434f2924.png?x-oss-process=image)
![](https://s2.51cto.com/images/201912/18/960d651c1b73cd4645684fc7780e1ef1.png?x-oss-process=image)
![](https://s2.51cto.com/images/201912/25/22f84a05c65510a86f8a31330105f7f9.png?x-oss-process=image)
![](https://s2.51cto.com/images/201903/11/7f53067640cdb45145613aa7354e5881.png?x-oss-process=image)
![](https://s2.51cto.com/images/201903/14/ed0017d9b4707eaa8da65a1aae56d72e.png?x-oss-process=image)
![](https://s2.51cto.com/images/201903/17/8e1c5bdce5c269244cd2e621b345978b.png?x-oss-process=image)
![](https://s2.51cto.com/images/201905/01/cc473c307951e6522a8db0612445e41c.png?x-oss-process=image)
![](https://s2.51cto.com/images/201702/57c2a5651f528749a4a1711a6506b34b7b0412.png?x-oss-process=image)
![](https://s2.51cto.com/images/201905/10/24266a9474882aa9ff6bae338a2492ec.png?x-oss-process=image)
![](https://s2.51cto.com/images/202011/10/6c2a62357f61e0b62cc23fa7a7720521.png?x-oss-process=image)
![](https://s2.51cto.com/images/202011/11/c254d9912fdcc1cc8f7003ae9fde9e33.png?x-oss-process=image)
![](https://s2.51cto.com/images/202011/09/31176c932dc711ffdd1e492d52b98d3d.png?x-oss-process=image)
![](https://s2.51cto.com/images/202011/10/6c2a62357f61e0b62cc23fa7a7720521.png?x-oss-process=image)
![](https://s2.51cto.com/images/202011/11/c254d9912fdcc1cc8f7003ae9fde9e33.png?x-oss-process=image)
![](https://s2.51cto.com/images/202011/09/31176c932dc711ffdd1e492d52b98d3d.png?x-oss-process=image)
- 课程介绍
- 课程大纲
适合人群:
有Spark基础的同学
你将会学到:
学习大数据领域中的推荐系统
课程简介:
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"
课程大纲-[老汤-人工智能]机器学习十一之Spark推荐系统
第1章Spark中的推荐算法(1小时48分钟9节)
第2章推荐代码实现(3小时15分钟11节)
“老汤”老师的其他课程更多+