Index of /【已完结】手把手带你搭建推荐系统/

../
【001】开篇词｜从企业级项目开始，进阶推荐系统.html                      17-Aug-2025 14:26                   0
【002】01｜推荐系统：我们应该怎样学习推荐系统？.html                    17-Aug-2025 14:26                   0
【003】02｜Netflix推荐系统：企业级的推荐系统架构是怎样的？.html           17-Aug-2025 14:26                   0
【004】03｜数据处理：我们应该如何获取和处理数据？.html                   17-Aug-2025 14:26                   0
【005】04｜MongoDB：如何安装和使用MongoDB数据库？.html            17-Aug-2025 14:26                   0
【006】05｜Redis：如何安装和使用Redis数据库？.html                17-Aug-2025 14:26                   0
【007】06｜网络爬虫：爬取一个网站的流程是怎样的？.html                   17-Aug-2025 14:26                   0
【008】07｜数据获取：什么是Scrapy框架？.html                     17-Aug-2025 14:26                   0
【009】08｜数据获取：如何使用Scrapy框架爬取新闻数据？.html              17-Aug-2025 14:26                   0
【010】09｜数据存储：如何将爬取到的数据存入数据库中？.html                 17-Aug-2025 14:27                   0
【011】10｜数据加工：如何将原始数据做成内容画像？.html                   17-Aug-2025 14:27                   0
【012】11｜基于规则的召回：如何使用规则找到用户的兴趣点？.html               17-Aug-2025 14:27                   0
【013】12｜基于热度的召回：如何使用热门内容来吸引用户？.html                17-Aug-2025 14:27                   0
【014】13｜基于关键词的召回：如何使用关键词吸引用户？.html                 17-Aug-2025 14:27                   0
【015】14｜基于Flask的推荐服务：搭建基础的Flask服务.html             17-Aug-2025 14:27                   0
【016】15｜基于Flask的推荐服务：如何把召回集推荐出去？.html              17-Aug-2025 14:27                   0
【017】16｜基础用户画像：如何用好用户的注册信息？.html                   17-Aug-2025 14:27                   0
【018】17｜推荐系统前端：如何用一个界面展示我们的成果？.html                17-Aug-2025 14:27                   0
【019】18｜一个简单的推荐服务闭环包括哪些模块？.html                    17-Aug-2025 14:27                   0
【020】19｜协同过滤：召回算法中永远不落幕的经典.html                    17-Aug-2025 14:27                   0
【021】20｜Embedding：深入挖掘用户底层特征.html                  17-Aug-2025 14:27                   0
【022】21｜YouTubeDNN：召回算法的后起之秀（上）.html               17-Aug-2025 14:27                   0
【023】22｜YouTubeDNN：召回算法的后起之秀（下）.html               17-Aug-2025 14:27                   0
【024】23｜流程串联：数据处理和协同过滤串联进行内容推荐.html                17-Aug-2025 14:27                   0
【025】24｜GBDT+LR：排序算法经典中的经典.html                    17-Aug-2025 14:27                   0
【026】25｜DeepFM：如何使用深度学习技术给数据排序？.html               17-Aug-2025 14:27                   0
【027】26｜重排序：如何对排序后的内容进行微调？.html                    17-Aug-2025 14:27                   0
【028】27｜部署：如何在Linux上配合定时任务部署推荐系统服务？.html           17-Aug-2025 14:27                   0
【029】28｜珠联璧合：Kafka与推荐服务的联动.html                    17-Aug-2025 14:28                   0
【030】29｜推荐系统的工程化策略及服务部署策略.html                     17-Aug-2025 14:28                   0
【031】30｜推荐系统的后处理及日志回采.html                         17-Aug-2025 14:28                   0
【032】特别放送｜知识回顾（上）.html                             17-Aug-2025 14:28                   0
【033】特别放送｜知识回顾（中）.html                             17-Aug-2025 14:28                   0
【034】特别放送｜知识回顾（下）.html                             17-Aug-2025 14:28                   0
【035】结束语｜如何成为企业中不可或缺的推荐系统工程师？.html                 17-Aug-2025 14:28                   0
【036】期末测试｜来赴一场满分之约！.html                           17-Aug-2025 14:28                   0