2024年11月20日,资料正在更新……

信息加载中,请等待...

  • 063丨简单推荐模型之一:基于流行度的推荐模型.html
  • 063丨简单推荐模型之一:基于流行度的推荐模型.mp3
  • 064丨简单推荐模型之二:基于相似信息的推荐模型.html
  • 064丨简单推荐模型之二:基于相似信息的推荐模型.mp3
  • 065丨简单推荐模型之三:基于内容信息的推荐模型.html
  • 065丨简单推荐模型之三:基于内容信息的推荐模型.mp3
  • 066丨基于隐变量的模型之一:矩阵分解.html
  • 066丨基于隐变量的模型之一:矩阵分解.mp3
  • 067丨基于隐变量的模型之二:基于回归的矩阵分解.html
  • 067丨基于隐变量的模型之二:基于回归的矩阵分解.mp3
  • 068丨基于隐变量的模型之三:分解机.html
  • 068丨基于隐变量的模型之三:分解机.mp3
  • 069丨高级推荐模型之一:张量分解模型.html
  • 069丨高级推荐模型之一:张量分解模型.mp3
  • 070丨高级推荐模型之二:协同矩阵分解.html
  • 070丨高级推荐模型之二:协同矩阵分解.mp3
  • 071丨高级推荐模型之三:优化复杂目标函数.html
  • 071丨高级推荐模型之三:优化复杂目标函数.mp3
  • 072丨推荐的Exploit和Explore算法之一:EE算法综述.html
  • 072丨推荐的Exploit和Explore算法之一:EE算法综述.mp3
  • 073丨推荐的Exploit和Explore算法之二:UCB算法.html
  • 073丨推荐的Exploit和Explore算法之二:UCB算法.mp3
  • 074丨推荐的Exploit和Explore算法之三:汤普森采样算法.html
  • 074丨推荐的Exploit和Explore算法之三:汤普森采样算法.mp3
  • 075丨推荐系统评测之一:传统线下评测.html
  • 075丨推荐系统评测之一:传统线下评测.mp3
  • 076丨推荐系统评测之二:线上评测.html
  • 076丨推荐系统评测之二:线上评测.mp3
  • 077丨推荐系统评测之三:无偏差估计.html
  • 077丨推荐系统评测之三:无偏差估计.mp3
  • 078丨现代推荐架构剖析之一:基于线下离线计算的推荐架构.html
  • 078丨现代推荐架构剖析之一:基于线下离线计算的推荐架构.mp3
  • 079丨现代推荐架构剖析之二:基于多层搜索架构的推荐系统.html
  • 079丨现代推荐架构剖析之二:基于多层搜索架构的推荐系统.mp3
  • 080丨现代推荐架构剖析之三:复杂现代推荐架构漫谈.html
  • 080丨现代推荐架构剖析之三:复杂现代推荐架构漫谈.mp3
  • 081丨基于深度学习的推荐模型之一:受限波兹曼机.html
  • 081丨基于深度学习的推荐模型之一:受限波兹曼机.mp3
  • 082丨基于深度学习的推荐模型之二:基于RNN的推荐系统.html
  • 082丨基于深度学习的推荐模型之二:基于RNN的推荐系统.mp3
  • 083丨基于深度学习的推荐模型之三:利用深度学习来扩展推荐系统.html
  • 083丨基于深度学习的推荐模型之三:利用深度学习来扩展推荐系统.mp3
  • 复盘 2丨推荐系统核心技术模块.html
1.本站不存储真实文件,仅展示文件信息。
2.用户自主配置内容,包括但不限于文件夹、链接、关联网盘等,不代表本站立场。
3.本站以文本、图片展示内容,无法及时审核其合法性。发现侵权内容,请提供资质及链接给客服,将立即移除。
官网:pan.tpym.cn QQ:851232718