深度学习推荐系统实战
02 | Sparrow RecSys：我们要实现什么样的推荐系统？
06 | Embedding基础：所有人都在谈的Embedding技术到底是什么？
07 | Embedding进阶：如何利用图结构数据生成Graph Embedding？
08 | Embedding实战：如何使用Spark生成Item2vec和Graph Embedding？
10 | 存储模块：如何用Redis解决推荐系统特征的存储问题？
12 | 局部敏感哈希：如何在常数时间内搜索Embedding最近邻？
14 | 融会贯通：Sparrow RecSys中的电影相似推荐功能是如何实现的？
16 | 深度学习革命：深度学习推荐模型发展的整体脉络是怎样的？
17 | Embedding+MLP：如何用TensorFlow实现经典的深度学习模型？
18｜Wide&Deep：怎样让你的模型既有想象力又有记忆力？
23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？
28 | 业界经典：YouTube深度学习推荐系统的经典架构长什么样？
29 | 图神经网络：Pinterest是如何应用图神经网络的？
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？