黑马头条推荐系统项目V5.0实战教程

摘要：  第1节  黑马头条-框架介绍01_黑马头条推荐架构与业务流.mp402_开发环境介绍.mp403_业务数据介绍.mp404_数据库迁移介绍.mp405_数据库...

第1节  黑马头条-框架介绍

01_黑马头条推荐架构与业务流.mp4

02_开发环境介绍.mp4

03_业务数据介绍.mp4

04_数据库迁移介绍.mp4

05_数据库迁移案例.mp4

06_迁移脚本定时运行.mp4

07_用户行为收集介绍.mp4

08_supervisor管理.mp4

09_进程管理添加.mp4

10_用户行为收集结果.mp4

11_离线画像构建.mp4

12_文章数据合并.mp4

13_文章数据合并2.mp4

14_tfidf结果计算.mp4

15_结果解析.mp4

16_texrank计算.mp4

17_总结.mp4

第2节  黑马头条-离线计算更新Item画像

01_复习.mp4

02_文章画像增量更新：离线增量文章画像更新代码介绍.mp4

03_文章画像增量更新：APschedule增量更新设置.mp4

04_文章画像增量更新：supervisor添加离线文章更新.mp4

05_文章向量：word2vec介绍.mp4

06_文章向量：频道的word2vec模型训练保存.mp4

07_文章向量：词向量合并.mp4

08_文章向量：词向量平均值计算.mp4

09_文章相似度：相似度计算LSH介绍.mp4

10_文章相似度：处理不同频道文章向量类型.mp4

11_文章相似度：BRPLSH相似度计算.mp4

12_文章相似度：相似度结果存储.mp4

13_文章相似度增量更新与文章更新总结.mp4

14_用户画像介绍.mp4

15_用户行为日志关联.mp4

第3节  黑马头条-离线用户召回集与排序计算

01_复习.mp4

02_用户画像：用户行为原始数据处理.mp4

03_用户画像：行为数据合并处理写入基础行为表.mp4

04_用户画像：存储介绍.mp4

05_用户画像：用户画像文章标签获取.mp4

06_用户画像：标签权重计算.mp4

07_用户画像总结.mp4

08_用户画像：用户基本信息存储画像.mp4

09_用户画像：完整代码分析与更新设置

09_用户画像：完整代码分析与更新设置.mp4

10_离线用户模型召回：黑马召回排序流程以及方案介绍.mp4

11_离线用户模型召回：用户召回表设计以及历史召回表.mp4

12_离线用户模型召回：召回步骤分析以及ALS模型复习.mp4

13_离线用户模型召回：用户点击行为数据处理.mp4

14_离线用户模型召回：ALS推荐以及结果处理.mp4

15_离线用户模型召回：召回结果存储以及历史召回过滤.mp4

16_离线用户内容召回：文章内容相似推荐以及结果存储.mp4

17_离线用户多路召回定时更新.mp4

第4节  黑马头条-实时计算业务

01_复习.mp4

02_离线排序业务介绍.mp4

03_排序模型样本特征构造.mp4

04_用户关键词权重处理问题解决.mp4

05_LR模型加载与预估.mp4

06_LR模型加载与预估2.mp4

07_离线特征中心-用户特征存储.mp4

08_离线特征中心：文章特征存储.mp4

09_定时特征中心更新.mp4

10_实时业务介绍与日志收集到Kafka.mp4

11_实时计算：streaming配置.mp4

12_实时召回内容获取与召回表存储.mp4

第5节  黑马头条-推荐业务流实现与ABTest

01_复习.mp4

02_热门文章召回存储.mp4

03_新文章召回存储.mp4

04_实时在线召回的supervisor添加.mp4

05_实时推荐：实施推荐业务逻辑介绍.mp4

06_实施推荐：grpc以及参数介绍.mp4

07_实时推荐：grpc协议介绍.mp4

08_实时推荐：黑马头条grpc服务端编写.mp4

09_实时推荐：黑马头条grpc测试.mp4

10_实时推荐：ABTest分流.mp4

11_实时推荐：推荐中心业务介绍以及实现.mp4

12_实时推荐：推荐中心时间戳逻辑.mp4

13_实时推荐：协同过滤召回服务读取逻辑与实现.mp4

14_实时推荐：热门文章与新文章读取.mp4

第6节  黑马头条-深度学习与推荐系统

01_复习.mp4

02_实时推荐：召回结果读取过滤.mp4

03_实时推荐：召回结果的存储.mp4

04_实时推荐：召回结果存储测试.mp4

05_实时推荐：推荐缓存服务.mp4

06_实时推荐：推荐缓存服务添加代码.mp4

07_实时推荐：缓存结果测试.mp4

08_实时推荐：缓存结果测试.mp4

09_实时推荐：模型预测notebook代码1.mp4

10_实时推荐：模型预测notebook代码2.mp4

11_实时推荐：grpc运行模型测试添加.mp4

12_实时推荐：模型预测测试（等待时间）.mp4

13_实时推荐：模型预测测试2.mp4

14_实时推荐：模型预测测试3.mp4

第7节  黑马头条-TensorFlow框架介绍

01_复习.mp4

02_深度学习与推荐系统介绍.mp4

03_TensorFlow数据流图.mp4

04_图.mp4

05_Tensorboard.mp4

06_OP.mp4

07_会话.mp4

08_张量与变量OP.mp4

09_线性回归原理与TF实现.mp4

10_tf.Variable的训练观察与效果.mp4

11_变量Tensorboard添加观察.mp4

12_变量Tensorboard添加观察2.mp4

13_模型加载与保存.mp4

14_设置命令行参数.mp4

16_TFrecords文件介绍与黑马流程.mp4

17_黑马训练样本存储.mp4

第8节  黑马头条-黑马头条排序模型进阶

01_神经网络介绍.mp4

02_神经网络介绍2.mp4

03_神经网络分类原理.mp4

04_交叉熵损失.mp4

05_tf.dataset与tf.feature_column.mp4

06_tf.estimator做分类.mp4

07_深度学习与排序介绍.mp4

08_FTRL模型训练介绍.mp4

09_FTRL实时排序添加.mp4

10_wide&deep介绍.mp4

11_WDL模型导出.mp4

12_docker.mp4