复盘 2 | 推荐系统核心技术模块
下载APP
关闭
渠道合作
推荐作者
复盘 2 | 推荐系统核心技术模块
2018-04-15 洪亮劼 来自北京
《AI技术内参》
课程介绍
到目前为止，我们讲完了人工智能核心技术的第二个模块——推荐系统。
整个模块共21期，7大主题，希望通过这些内容，能让你对推荐系统核心技术有一个全面系统的认识和理解，为自己进一步学习和提升打下基础。今天我准备了 21 张知识卡，和你一起来对这一模块的内容做一个复盘。
提示：点击知识卡跳转到你最想看的那篇文章，温故而知新。如不能正常跳转，请先将 App 更新到最新版本。
现代推荐架构剖析
推荐架构需要解决的问题：
能够在一两百毫秒内给用户提供当前的推荐结果；
对用户和系统的交互结果做出响应；
考虑用户群体的覆盖率的问题。
简单推荐模型
基于隐变量的模型
我们通过模型的假设，知道隐变量之间的关系，但暂时并不知道隐变量的取值。因此需要通过“推断”过程来确定隐变量的实际取值。当我们知道了这些隐变量的取值之后，就可以根据这些取值来对未来的数据进行预测和分析。
隐变量往往还带有“统计分布”的假设。最简单的隐变量模型是高斯混合模型。
高阶推荐模型
推荐的 Exploit 和 Explore 算法
基于深度学习的推荐模型
推荐系统的评价
积跬步以至千里
最后，恭喜你在这个模块中已经阅读了 45397 字，听了 138 分钟的音频，获得一张新的通关卡，这是一个不小的成就。在人工智能领域的千里之行，我们又往前迈出了一步。
感谢你在专栏里的每一个留言，给了我很多思考和启发。期待能够听到你更多的声音，我们一起交流讨论。
分享给需要的人，Ta购买本课程，你将得29元
生成海报并分享赞 6
提建议
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
078 | 基于深度学习的推荐模型之三：利用深度学习来扩展推荐系统
下一篇
079 | 广告系统概述
精选留言(2)
永夜2018-04-18感谢老师4
Junjian2018-11-17谢谢，获益良多