1、丨推荐系统算法实践本书面向以下各类读者:机器学习工程师、数据挖掘工程师、大数据工程师、各高校的研究生和高年级本科生等。本书学习指南第1部分推荐系统的算法基础本部分涵盖以下内容:通过本部分的学习,可第1章数学基础推荐算法的基础知识讲解,包括数掌握数学基础、常用工第2章推荐系统介绍学基础知识的讲解,如对线性代具、推荐系统入门等相第3章推荐算法工具数、概率与统计、损失函数、优化关知识方法和评价方法等内容的介绍:对具体推荐系统的介绍:常用的推荐算法工具,如Sklearn、Spark MLlib、TensorFlow、ZeppelinNotebook Jupyter Notebook第2部分推荐系统的召
2、回算法本部分介绍推荐系统的召回算法,包通过本部分的学习,可第4章协同过滤一基于行为相似的召回含常见的协同过滤和Word2vec掌握常见的两个召回第5章Word2vec基于内容相似的召回算法,以及其在Spark、TensorFlow主流工具中的实现,读者可以实现简单的召回方法开发,并可以实现具体的实践应用第3部分推荐系统的排序算法线性模型这几部分介绍推荐系统的排序算法,通过这几部分的学习,第6章逻辑回归包括线性模型、树模型、深度学习模可掌握常见的排序算第7章因子分解机(FM)型:法,以及其在Sklearn、第4部分推荐系统的排序算法一树模型线性模型部分介绍逻辑回归、FMSpark、TensorFlow主流第8章决策树算法等内容:工具中的实现,读者可第9章集成学习树模型部分介绍决策树、随机森以实现简单的排序方第5部分推荐系统的排序算法深度学习模型林、GBDT、GBDT+LR、集成学法开发,并可以实现具第10章深度学习在推荐算法中的应用习、深度森林等内容;体的实践应用第II章DNN算法深度学习模型部分介绍DNN、第l2章Wide&Deep模型Wide&Deep、DeepFM、YouTube第l3章DeepFM模型推荐模型等内容第14章YouTube的深度神经网络模型IV