人工智能机器学习推荐系统项目案例实战课程视频教程下载。课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。
课程目标
掌握推荐系统原理与工作方式，使用Python库进行建模。
适用人群
机器学习，数据领域工作以及要转向人工智能方向的同学们。
课程简介
课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。
课程章节
第1章推荐系统工作原理
1-1系列课程概述
1-2推荐系统应用
1-3推荐系统要完成的任务
1-4相似度计算
1-5基于用户的协同过滤算法
1-6基于物品的协同过滤算法
1-7隐语义模型
1-8隐语义模型求解
1-9模型评估标准
第2章使用Surprise库建立推荐系统
2-1Surprise库简介
2-2Surprise库使用方法
2-3得出商品推荐结果
第3章使用Tensorflow构造隐语义模型
3-1使用Tensorflow构造隐语义模型
3-2模型架构
3-3损失函数定义
3-4训练网络
