人工智能机器学习推荐系统项目案例实战课程视频教程

    课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。

    课程目标

    掌握推荐系统原理与工作方式，使用Python库进行建模。

    适用人群

    机器学习，数据领域工作以及要转向人工智能方向的同学们。

    课程简介

    课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。

    课程章节

    第1章推荐系统工作原理

    1-1系列课程概述

    1-2推荐系统应用

    1-3推荐系统要完成的任务

    1-4相似度计算

    1-5基于用户的协同过滤算法

    1-6基于物品的协同过滤算法

    1-7隐语义模型

    1-8隐语义模型求解

    1-9模型评估标准

    第2章使用Surprise库建立推荐系统

    2-1Surprise库简介

    2-2Surprise库使用方法

    2-3得出商品推荐结果

    第3章使用Tensorflow构造隐语义模型

    3-1使用Tensorflow构造隐语义模型

    3-2模型架构

    3-3损失函数定义

    3-4训练网络