你好，我是黄鸿波。 上节课我们讲解了基于协同过滤的召回算法，本节课我们来介绍另外一种召回算法：基于Embedding的召回。 我把这节课分成了以下三个部分。 什么是基于Embedding的召回。 基于Embedding的召回算法都有哪几种。 DSS...

你好，我是黄鸿波。 在前面的课程中，我们讲解了几种不同的召回算法，在这节课中我们会继续前面的课程，学习一个新的召回算法——YouTubeDNN模型。YouTubeDNN模型因为内容比较多，我把它分成了上下两篇，我们这节课先聚焦YouTubeDNN模型...

你好，我是黄鸿波。 上节课我们讲了关于YouTubeDNN的召回模型，接下来，我们来看看如何用代码来实现它。 我们在做YouTubeDNN的时候，要把代码分成两个步骤，第一个步骤是对数据的清洗和处理，第二个步骤是搭建模型然后把数据放进去进行训练和预测...

你好，我是黄鸿波。 在前面的课程中讲了很多召回算法，也讲了关于Flask和用户界面相关的内容，今天我们把所有的东西做一个流程串联。 今天主要会做下面五件事。 将数据采集到协同过滤算法的召回中训练协同过滤算法。 使用协同过滤算法训练出基于Item的协...

你好，我是黄鸿波。 在前面的课程中，我们讲了推荐系统中的数据处理、接口实现和一些召回算法和模型，从本章开始，我们就会进入一个新的篇章：推荐系统中的排序算法。 我一共设计了三节课，分别是GBDT+LR、DeepFM和重排序。这三节课的内容代表了基于算法...

你好，我是黄鸿波。 上节课里我们讲了非常经典的GBDT+LR模型，虽说GBDT+LR的组合能够解决很大一部分问题，但是对于高阶的特征组合仍然缺乏良好的应对能力。因此就迎来了本节课要学习的内容：DeepFM。我会先从FM的概念入手，然后进一步讲解Dee...

你好，我是黄鸿波。 前面我们学习了基于机器学习算法的GBDT+LR排序和基于深度学习DeepFM的排序模型，它们都是在工业界中比较常用的排序模型，今天我们抛开算法和模型，讲一讲推荐系统得到排序结果后的处理，也就是重排序。 今天的课程主要分为下面两大部...

你好，我是黄鸿波。 在前面的课程中，我们对推荐系统的数据获取、数据处理、规则召回、模型召回、排序、重排序都做了比较全面地讲解，可以说，用现有的知识已经能够进行一套企业级的推荐系统开发了。接下来就是推荐系统进行工程化部署，这里就会引入Linux部分的知...

你好，我是黄鸿波。 这是推理部署篇的第二节课，学习完在Linux上部署推荐服务后，今天我们沿着推荐服务这条线，继续来讲Kafka相关的内容。 我把本节课分为了下面三大部分。 什么是Kafka。 Kafka在推荐系统中的作用和用法。 如何在我们的Se...

你好，我是黄鸿波。 到现在，我们基本上已经完成了推荐系统中大部分的内容，这节课我们来聊一聊推荐系统在企业中上线的一些策略，以及与服务器部署的相关方案。 我将本节课分为了下面两大模块。 推荐系统中推荐列表组成策略。 推荐系统的服务部署方案介绍。 下...