以商业实战项目作为驱动来学习大数据技术在推荐系统项目中的应用。使得学员能够亲身体会大数据项目的使用场景和开发场景及其所产生的商业价值,零距离接触企业实战型项目,学以致用,不停留在大数据的概念环节而是进入大数据技术实战项目开发阶段。
![](https://imagev2.xmcdn.com/storages/d144-audiofreehighqps/38/F3/CMCoOSIEEhpnAALRsQCM8leA.jpeg!op_type%3D3%26columns%3D290%26rows%3D290)
大数据机器学习案例之推荐系统
主播:大勇任卷舒 播放:5685次最近更新: 2022-12-22
节目列表
正序 | 倒序
- 101.大数据概述
- 202.大数据应用领域
- 303.大数据技术框架
- 404.推荐系统的技术栈-Hadoop生态系统
- 505.推荐系统的技术栈-spark生态系统
- 606.什么是推荐系统
- 707.推荐系统工作原理和搜索引擎
- 808.推荐系统的应用案例-1
- 909.推荐系统的应用案例-2
- 1010.推荐系统的应用案例-3
- 1111.推荐系统的评测方法-1
- 1212.推荐系统的评测方法-2
- 1313.推荐系统的评测指标-1
- 1414.推荐系统的评测指标-2
- 1515.推荐系统的设计-1
- 1616.推荐系统的设计-2
- 1717.用户界面的重要性-1
- 1818.用户界面的重要性-2
- 1919.什么是lambda架构
- 2020.Lambda架构之批处理层-1
- 2121.Lambda架构之批处理层-2
- 2222.Lambda架构之批处理层-3
- 2323.Lambda架构之实时处理层
- 2424.Lambda架构之服务层
- 2525.什么是用户画像
- 2626.用户画像的数学描述-1
- 2727.用户画像的数学描述-2
- 2828.用户画像系统流程-1
- 2929.用户画像系统流程-2
- 3030.用户画像系统流程-3
- 3131.用户画像系统架构
- 3232.用户标签使用案例-1
- 3333.用户标签使用案例-2
- 3434.用户标签使用案例-3
- 3535.算法和模型的评价-1
- 3636.算法和模型的评价-2
- 3737.SparkML代码实现-重要概念
- 3838.SparkML代码实现-如何工作
- 3939.实例2之使用管道
- 4040.实例3之模型调优
- 4141.用户画像系统应用-1
- 4242.用户画像系统应用-2
- 4343.推荐模型构建流程
- 4444.推荐算法概述-1
- 4545.推荐算法概述-2
- 4646.基于协同过滤的推荐算法-1
- 4747.基于协同过滤的推荐算法-2
- 4848.相似度的计算-1
- 4949.相似度的计算-2
- 5050.基于模型的方法-1
- 5151.基于模型的方法-2
- 5252.协同过滤的实现-1
- 5353.协同过滤的实现-2
- 5454.推荐系统冷启动问题
- 5555.推荐案例实践准备
- 5656.Mahout概述-1
- 5757.Mahout概述-2
- 5858.Mahout概述-3
- 5959.Mahout推荐系统组件-1
- 6060.Mahout推荐系统组件-2
- 6161.Mahout推荐系统组件-3
- 6262.Mahout推荐系统评估
- 6363.Spark MLlib概述-1
- 6464.Spark MLlib概述-2
- 6565.MLlib推荐算法介绍
- 6666.MLlib推荐算法实例
- 6767.推荐系统与Lambda架构-1
- 6868.推荐系统与Lambda架构-2
- 6969.推荐系统数据收集背景-1
- 7070.推荐系统数据收集背景-2
- 7171.FlumeNG数据收集系统-1
- 7272.FlumeNG数据收集系统-2
- 7373.FlumeNG数据收集系统-3
- 7474.Sqoop优势
- 7575.Sqoop数据收集工具-1
- 7676.Sqoop数据收集工具-2
- 7777.HDFS数据存储系统-1
- 7878.HDFS数据存储系统-2
- 7979.HDFS数据存储系统-3
- 8080.上传知识库文档到HDFS
- 8181.HBase数据库存储系统-1
- 8282.HBase数据库存储系统-2
- 8383.HBase数据库存储系统-3
- 8484.HBase数据库存储系统-4
- 8585.HBase数据库存储系统-5
- 8686.推荐系统综合实战讲解