你好，我是黄鸿波。 到现在，可以说我们已经把推荐系统从头到尾学习了一遍。这节课是最后一节正课内容，也就是推荐系统的后续处理和日志回采。 我把本节课分成了下面三个要点。 推荐列表给到用户后的操作。 如何进行推荐系统的后处理。 如何进行日志回采。 现...

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...

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。 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。 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。 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...