由于近些年深度学习技术的飞速发展，大力加速推动了AI在互联网以及传统各个行业的商业化落地，其中，推荐系统、计算广告等领域彰显的尤为明显。由于推荐系统与提升用户量以及商业化变现有着密不可分的联系，各大公司都放出了众多推荐系统相关职位，且薪水不菲，目前发展势头很猛。
CF、FM、DSSM、DeepFM等这些推荐业界明星模型，你真的清楚他们的内部运行原理以及使用场景吗，逻辑回归为什么用sigmoid函数？有确切的理论推导吗？FM模型与SVM有什么相似之处吗？FM固然可以用作为打分模型，但它可以用来做matching吗，如果可以，如何做？item2Vec模型在业界是如何缓解冷启动的问题的？双塔模型优势在哪？深度模型到底是如何做matching的，是离线计算好结果还是实时的对网络进行前向计算？DeepFM具体实现时，wide端和deep端的优化方式是一样的吗？基于Graph的推荐方法在业界的应用目前是怎样的？
课程目录
├──Week 1：机器学习基础
| ├──1.1 课程安排与项目介绍
| | ├──1.开篇介绍.mp4 341.66M
| | ├──2.课程概览.mp4 343.95M
| | ├──3.老师介绍.mp4 158.22M
| | ├──4.逻辑回归与梯度下降-1.mp4 213.90M
| | ├──5.逻辑回归与梯度下降-2.mp4 235.05M
| | ├──6.逻辑回归与梯度下降-3.mp4 228.45M
| | ├──7.神经网络.mp4 161.54M
| | ├──8.正规化.mp4 289.53M
| | └──9.常用优化算法.mp4 307.29M
| └──1.2 课程辅助内容
| | ├──1.指数分布.mp4 133.63M
| | ├──2.广义线性模型.mp4 110.37M
| | └──3.贝叶斯估计与频率派估计.mp4 368.36M
├──Week 2：推荐系统基础
| ├──Week 2-2.1推荐系统基础
| | ├──1.推荐架构与协同.mp4 165.45M
| | ├──2.推荐架构与协同.mp4 561.33M
| | ├──3.推荐架构与协同.mp4 388.63M
| | ├──4.推荐架构与协同.mp4 415.34M
| | ├──5.推荐架构与协同.mp4 547.66M
| | └──6.推荐架构与协同.mp4 458.54M
| └──Week 2-2.2 课程辅助内容
| | ├──1.不同类别协同的实现与工程技巧.mp4 434.88M
| | └──2.不同类别协同的实现与工程技巧.mp4 475.52M
├──Week 3：内容画像与用户画像
| ├──3.1内容画像与用户画像
| | ├──1.nlp技术内容画像的抽取.mp4 295.61M
| | ├──2.nlp技术内容画像的抽取.mp4 553.73M
| | ├──3.nlp技术内容画像的抽取.mp4 237.47M
| | ├──4.nlp技术内容画像的抽取.mp4 377.17M
| | └──5.nlp技术内容画像的抽取.mp4 473.18M
| └──3.2 课程辅助内容
| | ├──1.内容画像的抽取、构建实战1.mp4 298.77M
| | ├──2.内容画像的抽取、构建实战1.mp4 613.08M
| | └──3.内容画像的抽取、构建实战1.mp4 544.50M
├──Week 4：用户画 Week
| ├──4.1用户画像
| | ├──1.用户画像与内容画像的关系、用途.mp4 573.55M
| | ├──2.用户画像与内容画像的关系、用途.mp4 473.44M
| | ├──3.用户画像与内容画像的关系、用途.mp4 471.93M
| | └──4.用户画像与内容画像的关系、用途.mp4 480.42M
| └──4.2 课程辅助内容
| | ├──1.Redis的搭建与使用.mp4 815.91M
| | └──2.Redis的搭建与使用.mp4 497.38M
├──Week 5：传统match方法
| ├──第 5 章：Week 5-5.1传统match方法
| | ├──1.传统match方法.mp4 662.43M
| | ├──2.传统match方法.mp4 794.12M
| | ├──3.传统match方法.mp4 578.83M
| | └──4.传统match方法.mp4 269.90M
| └──第 5 章：Week 5-5.2 课程辅助内容
| | ├──1.NCF、GMF的实现.mp4 423.33M
| | └──2.NCF、GMF的实现.mp4 515.86M
├──Week 6：深度match方法
| ├──Week 6-6.1深度match方法
| | ├──1.深度match方法.mp4 380.96M
| | ├──2.深度match方法.mp4 476.80M
| | ├──3.深度match方法.mp4 438.06M
| | └──4.深度match方法.mp4 377.78M
| └──Week 6-6.2 课程辅助内容
| | ├──1.f深度match方法.mp4 382.21M
| | └──2.f深度match方法.mp4 476.80M
├──Week 7：经典Ranking方法
| ├──ctr预估初探1.mp4 267.04M
| ├──ctr预估初探2.mp4 197.21M
| ├──ctr预估初探3.mp4 175.42M
| ├──ctr预估初探4.mp4 349.49M
| ├──ctr预估初探5.mp4 152.91M
| └──ctr预估初探6.mp4 206.49M
├──Week 8： GraphEmbedding 大家族与用户行为构建
| ├──lecture1-1.mp4 211.78M
| ├──lecture1-2.mp4 161.38M
| ├──lecture1-3.mp4 338.29M
| ├──lecture1-4.mp4 373.53M
| ├──lecture1-5.mp4 286.11M
| └──辅助内容.mp4 408.97M
└──Week 9：引入sideinfo信息的图推荐、基于推理的图推荐
| ├──lecture1.mp4 519.51M
| ├──lecture2.mp4 302.54M
| ├──lecture3.mp4 405.79M
| └──辅助内容.mp4 350.70M
├──Week 10：深度Ranking模型
| ├──lecture1.mp4 239.99M
| ├──lecture2.mp4 443.79M
| ├──lecture3.mp4 428.83M
| ├──lecture4.mp4 416.47M
| ├──课程辅助内容1.mp4 422.96M
| ├──课程辅助内容2.mp4 557.83M
| └──课程辅助内容3.mp4 487.75M
├──Week 11：重排序与多目标学习
| ├──lecture
| | ├──lecture 工业界新闻推荐系统中的冷启动-1.mp4 331.93M
| | ├──lecture 工业界新闻推荐系统中的冷启动-2.mp4 508.77M
| | ├──lecture 工业界新闻推荐系统中的冷启动-3.mp4 83.91M
| | ├──lecture 工业界新闻推荐系统中的冷启动-4.mp4 280.09M
| | └──lecture 工业界新闻推荐系统中的冷启动-5.mp4 450.14M
| └──review
| | ├──Review-1.mp4 197.19M
| | └──Review-2.mp4 505.26M
├──Week 12：热点文章实时召回
| ├──热点文章实时召回策略-1(204238).mp4 178.90M
| ├──热点文章实时召回策略-2(204238).mp4 246.56M
| ├──热点文章实时召回策略-3(204238).mp4 167.46M
| ├──热点文章实时召回策略-4(204238).mp4 182.20M
| └──热点文章实时召回策略-5(204238).mp4 92.28M
├──Week 13：多目标与用户多兴趣
| ├──多目标与用户多兴趣-1.mp4 393.89M
| ├──多目标与用户多兴趣-2.mp4 296.15M
| ├──多目标与用户多兴趣-3.mp4 81.10M
| ├──多目标与用户多兴趣-4.mp4 227.02M
| └──多目标与用户多兴趣-5.mp4 199.07M
├──Week 14：强化学习与推荐系统
| ├──强化学习与推荐系统-1.mp4 385.55M
| ├──强化学习与推荐系统-2.mp4 393.63M
| ├──强化学习与推荐系统-3.mp4 255.96M
| └──强化学习与推荐系统-4.mp4 178.46M
├──Week 15：项目总结、部署
| ├──项目总结、部署以及职业规划、面试指导1.mp4 336.18M
| ├──项目总结、部署以及职业规划、面试指导2.mp4 148.27M
| └──项目总结、部署以及职业规划、面试指导3.mp4 380.23M
