深度之眼 推荐系统就业班（基础+实战）
资源简介
从商业角度来讲，互联网主要起到平台作用，构建多方沟通桥梁，例如淘宝对应卖家和卖家，头条是信息产出方和读者，除了要满足用户本身的需求，还要考虑到商家的利益。
平台巩固流量，才能进一步的转化，达到盈利。这时候，推荐系统可能是一整个系统的核心。
在算法层面，人力层面，非常需要拥有推荐系统相关知识的人才，这是算法工程师、数据科学家等职业非常好的去处。
同时，推荐算法择业面广，可无障碍转搜索、广告精准投放
因为从模型角度，推荐系统几乎涵盖了所有机器学习能解决问题的结构，并且尝试了各种特征工程方法，构建了很多重要的模型结构。
资源目录
——/计算机教程LTDLG/21-深度之眼/06-深度之眼推荐系统/
01 深度之眼 推荐系统基础班课程 PDF
第一章 推荐系统概述.pdf 3.19MB
第七章 推荐系统的工程实现与评估.pdf 5.81MB
第三章 深度学习推荐算法(上).pdf 2.88MB
第三章 深度学习推荐算法(下).pdf 4.08MB
第二章 前深度学习推荐算法(下).pdf 3.09MB
第二章 前深度学习推荐算法（上）.pdf 3.09MB
第五章 多视角审视推荐系统.pdf 4.95MB
第八章 推荐系统的前沿实践.pdf 6.12MB
第六章 冷启动.pdf 3.99MB
第四章 Embedding技术.pdf 5.35MB
03学员资料
01.CAN-资料
1. CAN泛读.pdf 2.84MB
2. CAN精读.pdf 2.95MB
3. CAN代码项目实践.pdf 2.01MB
auc.py 1.83KB
can.py 4.64KB
co_action_unit.py 1.44KB
dnn.py 3.82KB
inputs.py 3.03KB
main.py 2.92KB
ps.py 2.52KB
[CAN] Revisiting Feature Co-Action for Click-Through Rate.pdf 718.58KB
02.MIND-资料
auc.py 1.83KB
capsule.py 11.46KB
dnn.py 3.82KB
inputs.py 3.03KB
main.py 2.92KB
mind.py 11.65KB
ps.py 2.52KB
[MIND]论文.pdf 1.28MB
第一课-MIND泛读.pdf 23.82MB
第三课-MIND代码项目实践.pdf 16.02MB
第二课-MIND精读.pdf 16.87MB
03.PLE-资料
auc.py 1.83KB
dnn.py 3.82KB
inputs.py 3.03KB
main.py 2.92KB
PLE.pdf 2.97MB
ple.py 9.72KB
ps.py 2.52KB
第一课-PLE泛读.pdf 23.72MB
第三课-PLE代码项目实践.pdf 15.97MB
第二课-PLE精读.pdf 16.74MB
04.DAT-资料
auc.py 1.83KB
dat.py 5.89KB
dnn.py 3.82KB
inputs.py 3.03KB
main.py 2.92KB
ps.py 2.52KB
[DAT]论文.pdf 937.99KB
第一课-DAT泛读.pdf 23.7MB
第三课-DAT代码实践.pdf 15.9MB
第二课-DAT精读.pdf 23.64MB
05.FIBINET-资料
auc.py 1.83KB
dnn.py 3.82KB
FiBiNet.pdf 942.98KB
fibinet.py 7.7KB
inputs.py 3.03KB
main.py 2.92KB
ps.py 2.52KB
第一课-FIBINET泛读.pdf 23.71MB
第三课-FIBINET代码实践.pdf 16.05MB
第二课-FIBINET精读.pdf 23.84MB
共用data
data_processing_hash_to_tfrecords_data7.py 3.99KB
raw
test.csv 3.55MB
test.csv.hash 7.33MB
test_read_tfrecord.py 900B
train.csv 19.96MB
train.csv.hash 32.69MB
train.csv.hash.tfrecords 30.85MB
val.csv.hash 8.17MB
val.csv.hash.tfrecords 7.71MB
train
train.csv.hash.tfrecords 30.84MB
val
val.csv.hash.tfrecords 7.72MB
1.(Part 1：推荐系统基础课)1.1 推荐系统的起源与应用.mkv 62.72MB
10.(Part 1：推荐系统基础课)3.1.2 深度推荐算法上-1.mkv 190.44MB
11.(Part 1：推荐系统基础课)3.2.1 深度学习推荐算法(下).mkv 112.19MB
12.(Part 1：推荐系统基础课)3.2.2 深度学习推荐算法(下)1.mkv 205.23MB
13.(Part 1：推荐系统基础课)4.1 embedding技术.mkv 98.74MB
14.(Part 1：推荐系统基础课)4.2 word2vec.mkv 131.01MB
15.(Part 1：推荐系统基础课)4.3 item2vec_graph.mkv 271.28MB
16.(Part 1：推荐系统基础课)5.1 特征工程.mkv 315.99MB
17.(Part 1：推荐系统基础课)5.2 模型与特征实时性.mkv 52.64MB
18.(Part 1：推荐系统基础课)5.3 策略与优化目标设定.mkv 60.5MB
19.(Part 1：推荐系统基础课)6.1 冷启动问题概述.mkv 86.83MB
2.(Part 1：推荐系统基础课)1.2 推荐系统的架构.mkv 115.73MB
20.(Part 1：推荐系统基础课)6.2 汤普森&UCB.mkv 152.99MB
21.(Part 1：推荐系统基础课)6.3 Lin_UCB.mkv 99.01MB
22.(Part 1：推荐系统基础课)7.1 推荐系统的工程实现.mkv 277.15MB
23.(Part 1：推荐系统基础课)7.2 推荐系统的评估.mkv 161.76MB
24.(Part 1：推荐系统基础课)8.1 国外推荐系统前沿实践.mkv 307.76MB
25.(Part 1：推荐系统基础课)8.2国内推荐系统前沿实践.mkv 227.87MB
26.(Part 1：推荐系统基础课)9.1 课程总结.mkv 216.08MB
27.(Part 1：推荐系统基础课)9.2 职业发展.mkv 52.51MB
28.(推荐系统项目班)项目二：基于多目标模型mmoe的电商场景排序应用——多目标模型的认识.mkv 241.01MB
29.(推荐系统项目班)10月24日课程.mkv 334.37MB
3.(Part 1：推荐系统基础课)2.1.1 倒排索引.mkv 69.65MB
30.(推荐系统项目班)10月10日—DCN模型的代码开发.mkv 316.58MB
31.(推荐系统项目班)10月17日课程.mkv 224.86MB
32.(推荐系统项目班)9月26日—DCN模型的熟悉.mkv 163.52MB
33.(推荐系统项目班)第一章 基于matrixCF在召回和排序中的运用_part01.mkv 77.61MB
34.(推荐系统项目班)第一章 基于matrixCF在召回和排序中的运用_part02.mkv 88.63MB
35.(推荐系统项目班)第一章 基于matrixCF在召回和排序中的运用_part03.mkv 93MB
36.(推荐系统项目班)第一章 基于matrixCF在召回和排序中的运用_part04.mkv 92.74MB
37.(推荐系统项目班)第二章 （上）资讯推荐中多路召回的实践_part01.mkv 107.5MB
38.(推荐系统项目班)第二章 （上）资讯推荐中多路召回的实践_part02.mkv 81.15MB
4.(Part 1：推荐系统基础课)2.1.2 用户协同过滤.mkv 73.95MB
5.(Part 1：推荐系统基础课)2.1.3 物品协同过滤.mkv 64.62MB
6.(Part 1：推荐系统基础课)2.1.4 隐语义模型.mkv 84.29MB
7.(Part 1：推荐系统基础课)2.2.1 基础推荐算法下-0.mkv 181.5MB
8.(Part 1：推荐系统基础课)2.2.2 基础推荐算法下-1.mkv 185.01MB
9.(Part 1：推荐系统基础课)3.1.1深度推荐算法上-0.mkv 115.33MB
