期末考试 | “深度学习推荐系统”100分试卷等你来挑战!
结束语|深度学习时代需要什么样的推荐工程师?
33|技术权衡:解决方案这么多,哪个最合适?
32 | 强化学习案例:美团是如何在推荐系统中落地强化学习的?
31|模型迭代:阿里巴巴是如何迭代更新推荐模型的?
30 | 流处理平台:Flink是如何快速识别用户兴趣,实现实时推荐的?
29 | 图神经网络:Pinterest是如何应用图神经网络的?
28 | 业界经典:YouTube深度学习推荐系统的经典架构长什么样?
27 | 评估体系:如何解决A/B测试资源紧张的窘境?
26 | 在线测试:如何在推荐服务器内部实现A/B测试?
特别加餐|TensorFlow的模型离线评估实践怎么做?
25 | 评估指标:我们可以用哪些指标来衡量模型的好坏?
24 | 离线评估:常用的推荐系统离线评估方法有哪些?
23| 实战:如何用深度学习模型实现Sparrow RecSys的个性化推荐功能?
特别加餐 | “银弹”不可靠,最优的模型结构该怎么找?
22|强化学习:让推荐系统像智能机器人一样自主学习
21|注意力机制、兴趣演化:推荐系统如何抓住用户的心?
20 | DeepFM:如何让你的模型更好地处理特征交叉?
19|NeuralCF:如何用深度学习改造协同过滤?
18|Wide&Deep:怎样让你的模型既有想象力又有记忆力?