益阳痪上旅行社

Python數(shù)據(jù)分析行業(yè)案例：推薦系統(tǒng)
體系課

Python數(shù)據(jù)分析行業(yè)案例：推薦系統(tǒng)

  • 數(shù)據(jù)挖掘與分析

幫助學(xué)員學(xué)習(xí)在具體互聯(lián)網(wǎng)業(yè)務(wù)背景下推薦系統(tǒng)的實戰(zhàn)操作

￥349.9
本課程包括
  • 11小時22分鐘的視頻隨時觀看
  • 可在APP隨時觀看
  • 結(jié)業(yè)證書
你將收獲
  • 幫助學(xué)員快速掌握互聯(lián)網(wǎng)背景推薦系統(tǒng)的實戰(zhàn)操作
  • 幫助學(xué)員學(xué)會熟練應(yīng)用Pandas、sklearn等接口編程
  • 快速掌握推薦系統(tǒng)應(yīng)用中的各類算法
  • 幫助學(xué)員產(chǎn)出實際可應(yīng)用的業(yè)務(wù)分析模板，為后續(xù)工作帶來便捷
課程介紹

推薦系統(tǒng)在當(dāng)今的互聯(lián)網(wǎng)行業(yè)中正在起到不可或缺的作用，本課程基于實際案例，由推薦系統(tǒng)的概念、框架、評估體系等入手，完整實現(xiàn)了推薦系統(tǒng)中應(yīng)用的各類算法，包括協(xié)同過濾、矩陣分解、基于內(nèi)容的推薦算法、結(jié)合文本挖掘（詞頻矩陣、TF-IDF、word2vec）的推薦算法、關(guān)聯(lián)分析、聚類分析在推薦算法中的應(yīng)用方式等，相關(guān)代碼可作為分析模板供學(xué)員在工作中直接套用。

【課程特色】

可作為業(yè)務(wù)分析模板：課程內(nèi)容完全基于真實業(yè)務(wù)分析場景構(gòu)建，提供全部編寫的函數(shù)工具和源代碼，可直接作為同類業(yè)務(wù)場景中的業(yè)務(wù)分析模板加以使用。

雙案例課程結(jié)構(gòu)：充分考慮到案例代表性和分析需求上的差異化，精選電影評分和云音樂歌單數(shù)據(jù)這兩個業(yè)務(wù)案例，分別代表rating和non-rating這兩類推薦系統(tǒng)將會面對的典型數(shù)據(jù)類型，更有利于拓展學(xué)員的分析能力。

適合人群
  • 適合企業(yè)內(nèi)中高級數(shù)據(jù)分析師進(jìn)一步提升自身實戰(zhàn)能力
  • 適合精通行業(yè)分析應(yīng)用的相關(guān)研究人員或工程師
  • 適合中高級Python數(shù)據(jù)分析師掌握推薦系統(tǒng)的關(guān)鍵技術(shù)
講師介紹
博士，數(shù)據(jù)分析與挖掘?qū)Ｖ淖髡?/div>
擅長領(lǐng)域:
  • 數(shù)據(jù)挖掘與分析
張文彤老師擁有20+年數(shù)據(jù)分析/統(tǒng)計軟件商業(yè)培訓(xùn)經(jīng)驗，精通業(yè)內(nèi)廣泛使用的SAS、SPSS、Modeler、R、Tableau、Python等數(shù)據(jù)分析/挖掘工具，曾作為SPSS官方培訓(xùn)師，從2001年起一手協(xié)助SPSS中國建立其培訓(xùn)體系 。
課程大綱
共0節(jié) 時長0分鐘 全部收起
第1章 推薦系統(tǒng)綜述
共13節(jié) | 2小時51分鐘
  • 1-1 課程介紹
    11分鐘
  • 1-2 為什么會出現(xiàn)推薦系統(tǒng)
    20分鐘
  • 1-3 推薦系統(tǒng)的常見形式
    12分鐘
  • 1-4 推薦系統(tǒng)算法的基本思路
    18分鐘
  • 1-5 推薦系統(tǒng)評測的三大步驟
    11分鐘
  • 1-6 怎樣才能算一個好的推薦系統(tǒng)？
    12分鐘
  • 1-7 推薦系統(tǒng)模型評估：準(zhǔn)確率
    14分鐘
  • 1-8 推薦系統(tǒng)模型評估：其他指標(biāo)
    12分鐘
  • 1-9 推薦系統(tǒng)常用的相似度指標(biāo)
    10分鐘
  • 1-10 推薦系統(tǒng)中的一些基礎(chǔ)模型
    12分鐘
  • 1-11 電影評分?jǐn)?shù)據(jù)集簡介
    8分鐘
  • 1-12 網(wǎng)易云音樂數(shù)據(jù)集簡介
    21分鐘
  • 1-13 云音樂數(shù)據(jù)集的預(yù)處理
    11分鐘
第2章 Suprise包使用入門
共5節(jié) | 51分鐘
  • 2-1 suprise包簡介
    7分鐘
  • 2-2 suprise包實戰(zhàn)：讀取數(shù)據(jù)
    10分鐘
  • 2-3 suprise包實戰(zhàn)：數(shù)據(jù)拆分
    9分鐘
  • 2-4 suprise包實戰(zhàn)：模型的擬合與評估
    14分鐘
  • 2-5 suprise包實戰(zhàn)：模型的擬合與評估將模型結(jié)果用于推薦
    12分鐘
第3章 協(xié)同過濾
共6節(jié) | 1小時15分鐘
  • 3-1 協(xié)同過濾概述
    18分鐘
  • 3-2 ItemCF方法
    11分鐘
  • 3-3 UserCF方法
    11分鐘
  • 3-4 ml100k案例：篩選算法框架
    13分鐘
  • 3-5 ml100k案例：模型參數(shù)調(diào)優(yōu)
    11分鐘
  • 3-6 ml100k案例：將模型結(jié)果用于推薦
    12分鐘
第4章 矩陣分解
共4節(jié) | 47分鐘
  • 4-1 SVD的基本原理
    10分鐘
  • 4-2 如何將SVD用于推薦系統(tǒng)
    17分鐘
  • 4-3 VDpp與NMF
    6分鐘
  • 4-4 SVD案例
    15分鐘
第5章 基于內(nèi)容的推薦算法
共7節(jié) | 1小時10分鐘
  • 5-1 CB方法的基本原理
    17分鐘
  • 5-2 詞袋模型
    7分鐘
  • 5-3 用sklearn生成文檔-詞條矩陣
    12分鐘
  • 5-4 ml案例：基于詞頻矩陣
    13分鐘
  • 5-5 關(guān)鍵詞提取的基本思路
    7分鐘
  • 5-6 TF- IDF算法
    6分鐘
  • 5-7 ml案例：基于TF-IDF實現(xiàn)
    9分鐘
第6章 結(jié)合文本挖掘進(jìn)行推薦
共13節(jié) | 1小時54分鐘
  • 6-1 如何將文本挖掘技術(shù)和內(nèi)容推薦相結(jié)合
    8分鐘
  • 6-2 分詞原理講解
    8分鐘
  • 6-3 結(jié)巴分詞的基本用法
    9分鐘
  • 6-4 使用自定義詞典和搜狗細(xì)胞詞庫
    10分鐘
  • 6-5 去除停用詞
    11分鐘
  • 6-6 云音樂案例：基于詞袋模型進(jìn)行推薦
    9分鐘
  • 6-7 從詞袋模型到N-gram模型
    7分鐘
  • 6-8 文本信息的分布式表示
    9分鐘
  • 6-9 共現(xiàn)矩陣
    6分鐘
  • 6-10 NNLM模型的突破
    5分鐘
  • 6-11 Word2vec一出，滿座皆驚
    15分鐘
  • 6-12 文檔相似度的doc2vec實現(xiàn)
    10分鐘
  • 6-13 云音樂案例：基于詞向量模型進(jìn)行推薦
    7分鐘
第7章 基于列表序列進(jìn)行推薦
共3節(jié) | 26分鐘
  • 7-1 如何基于列表序列進(jìn)行推薦
    10分鐘
  • 7-2 云音樂案例：基于關(guān)聯(lián)分析進(jìn)行推薦
    9分鐘
  • 7-3 云音樂案例：基于Word2vec進(jìn)行推薦
    7分鐘
第 8章 聚類方法在推薦系統(tǒng)中的應(yīng)用
共6節(jié) | 1小時29分鐘
  • 8-1 聚類分析概述
    15分鐘
  • 8-2 聚類分析的方法分類
    10分鐘
  • 8-3 BIRCH聚類
    16分鐘
  • 8-4 聚類分析在推薦系統(tǒng)中的應(yīng)用思路
    11分鐘
  • 8-5 云音樂案例：聚類分析的數(shù)據(jù)準(zhǔn)備
    17分鐘
  • 8-6 云音樂案例：具體建模操作
    20分鐘
第9章 冷啟動問題
共3節(jié) | 38分鐘
  • 9-1 冷啟動概述
    17分鐘
  • 9-2 用戶冷啟動的實現(xiàn)案例
    10分鐘
  • 9-3 物品冷啟動的實現(xiàn)案例
    11分鐘
課程資料
圖文
購課須知

課程有效期：

自購買課程之日起 365 天，部分參與營銷活動產(chǎn)品以活動規(guī)則為準(zhǔn)，請同學(xué)在有效期內(nèi)學(xué)習(xí)、觀看課程。

上課模式：

課程采取錄播模式，請注意自學(xué)課無班級微信群、班主任帶班及助教批改服務(wù)。

注：自學(xué)課不支持退款，確保你是真的需要再進(jìn)行報名，報完名之后還請認(rèn)真學(xué)習(xí)。