Index of /【已完结】深度学习推荐系统实战/
../
【001】旅程再启：重构大模型时代的推荐系统.html 17-Aug-2025 19:30 5799
【002】ChatGPT和AIGC：开启推荐系统的大模型时代.html 17-Aug-2025 19:30 20132
【003】大模型如何为推荐系统注入“世界知识”？.html 17-Aug-2025 19:30 19821
【004】从PALR到ClickPrompt：大模型推荐系统的应用与挑战.html 17-Aug-2025 19:31 12824
【005】AIGC与推荐系统：从辅助创作到个性化生成.html 17-Aug-2025 19:31 14215
【006】新书 深度学习推荐系统2.0.html 17-Aug-2025 19:31 12742
【007】开篇词 从0开始搭建一个深度学习推荐系统.html 17-Aug-2025 19:31 36812
【008】01 技术架构：深度学习推荐系统的经典技术架构长啥样？.html 17-Aug-2025 19:31 45610
【009】02 Sparrow RecSys：我们要实现什么样的推荐系统？.html 17-Aug-2025 19:31 43760
【010】03 深度学习基础：你打牢深度学习知识的地基了吗？.html 17-Aug-2025 19:31 43107
【011】国庆策划 关于深度学习推荐系统，我有这些资料想推荐给你.html 17-Aug-2025 19:31 34745
【012】国庆策划 深度学习推荐系统基础，你掌握了多少？.html 17-Aug-2025 19:31 26164
【013】04 特征工程：推荐系统有哪些可供利用的特征？.html 17-Aug-2025 19:31 51286
【014】05 特征处理：如何利用Spark解决特征处理问题？.html 17-Aug-2025 19:31 50222
【015】06 Embedding基础：所有人都在谈的Embedding技术到底是什么？.html 17-Aug-2025 19:31 49323
【016】07 Embedding进阶：如何利用图结构数据生成Graph Embedding..> 17-Aug-2025 19:31 48693
【017】08 Embedding实战：如何使用Spark生成Item2vec和Graph ..> 17-Aug-2025 19:31 46742
【018】答疑 基础架构篇+特征工程篇常见问题解答.html 17-Aug-2025 19:31 34496
【019】09 线上服务：如何在线上提供高并发的推荐服务？.html 17-Aug-2025 19:31 38678
【020】10 存储模块：如何用Redis解决推荐系统特征的存储问题？.html 17-Aug-2025 19:31 39432
【021】11 召回层：如何快速又准确地筛选掉不相关物品？.html 17-Aug-2025 19:31 43322
【022】12 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？.html 17-Aug-2025 19:32 44128
【023】13 模型服务：怎样把你的离线模型部署到线上？.html 17-Aug-2025 19:32 43706
【024】14 融会贯通：Sparrow RecSys中的电影相似推荐功能是如何实现的？.html 17-Aug-2025 19:32 37396
【025】答疑 线上服务篇留言问题详解.html 17-Aug-2025 19:32 20162
【026】15 协同过滤：最经典的推荐模型，我们应该掌握什么？.html 17-Aug-2025 19:32 41717
【027】16 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？.html 17-Aug-2025 19:32 35731
【028】模型实战准备（一） TensorFlow入门和环境配置.html 17-Aug-2025 19:32 38133
【029】模型实战准备（二） 模型特征、训练样本的处理.html 17-Aug-2025 19:32 41599
【030】17 Embedding+MLP：如何用TensorFlow实现经典的深度学习模型..> 17-Aug-2025 19:32 47374
【031】18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？.html 17-Aug-2025 19:32 38947
【032】19｜NeuralCF：如何用深度学习改造协同过滤？.html 17-Aug-2025 19:32 39039
【033】20 DeepFM：如何让你的模型更好地处理特征交叉？.html 17-Aug-2025 19:32 41529
【034】21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？.html 17-Aug-2025 19:32 43447
【035】22｜强化学习：让推荐系统像智能机器人一样自主学习.html 17-Aug-2025 19:32 43643
【036】特别加餐 “银弹”不可靠，最优的模型结构该怎么找？.html 17-Aug-2025 19:32 32144
【037】23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？...> 17-Aug-2025 19:32 39143
【038】24 离线评估：常用的推荐系统离线评估方法有哪些？.html 17-Aug-2025 19:32 27389
【039】25 评估指标：我们可以用哪些指标来衡量模型的好坏？.html 17-Aug-2025 19:33 43127
【040】特别加餐｜TensorFlow的模型离线评估实践怎么做？.html 17-Aug-2025 19:33 15363
【041】26 在线测试：如何在推荐服务器内部实现AB测试？.html 17-Aug-2025 19:33 36912
【042】27 评估体系：如何解决AB测试资源紧张的窘境？.html 17-Aug-2025 19:33 29465
【043】28 业界经典：YouTube深度学习推荐系统的经典架构长什么样？.html 17-Aug-2025 19:33 46128
【044】29 图神经网络：Pinterest是如何应用图神经网络的？.html 17-Aug-2025 19:33 29881
【045】30 流处理平台：Flink是如何快速识别用户兴趣，实现实时推荐的？.html 17-Aug-2025 19:33 25720
【046】31｜模型迭代：阿里巴巴是如何迭代更新推荐模型的？.html 17-Aug-2025 19:33 32386
【047】32 强化学习案例：美团是如何在推荐系统中落地强化学习的？.html 17-Aug-2025 19:33 25527
【048】33｜技术权衡：解决方案这么多，哪个最合适？.html 17-Aug-2025 19:33 28440
【049】结束语｜深度学习时代需要什么样的推荐工程师？.html 17-Aug-2025 19:33 43026
【050】期末考试 “深度学习推荐系统”100分试卷等你来挑战！.html 17-Aug-2025 19:33 9867