本文作者:站长

2019尚硅谷大数据技术之电影推荐系统(武晟然讲师),IDEA版大数据项目,全套培训资料与视频

站长 2021-04-11 417 抢沙发
2019尚硅谷大数据技术之电影推荐系统(武晟然讲师),IDEA版大数据项目,全套培训资料与视频摘要:  本套课程来自尚硅谷最新2019年版,尚硅谷大数据技术之电影推荐系统,由武晟然讲师主讲,课程从数学基础到项目搭建与实现,共8天视频课程,并包含完整课程代码、笔记与资料,共...

 2019尚硅谷大数据技术之电影推荐系统(武晟然讲师),IDEA版大数据项目,全套培训资料与视频  第1张

本套课程来自尚硅谷最新2019年版,尚硅谷大数据技术之电影推荐系统,由武晟然讲师主讲,课程从数学基础到项目搭建与实现,共8天视频课程,并包含完整课程代码、笔记与资料,共5.3G

项目以推荐系统建设领域知名的经过修改过的MovieLens数据集作为依托,以某科技公司电影网站真实业务数据架构为基础,构建了符合教学体系的一体化的电影推荐系统,包含了离线推荐与实时推荐体系,综合利用了协同过滤算法以及基于内容的推荐方法来提供混合推荐。提供了从前端应用、后台服务、算法设计实现、平台部署等多方位的闭环的业务实现。
课程文件目录:
2019年 尚硅谷大数据技术之电影推荐系统 – IDEA版大数据项目之推荐系统 [5.3G]
笔记 [29.9M]
 0_数学基础.pptx [1.8M]
 1_机器学习简介.pptx [7.1M]
 2_机器学习模型.pptx [2.5M]
 3_推荐系统简介.pptx [7.6M]
 4_推荐系统算法详解.pptx [1.6M]
 5_电影推荐系统设计.pptx [6.5M]
 尚硅谷大数据技术之电影推荐系统.doc [2.7M]
代码 [494.5M]
 JupyterNotebook [175.1K]
  1_线性回归_最小二乘法.ipynb [25.7K]
  2_线性回归_梯度下降法.ipynb [36.5K]
  3_线性回归_调用sklearn库.ipynb [11.7K]
  4_knn.ipynb [17.5K]
  5_kmeans.ipynb [70.1K]
  6_TF-IDF.ipynb [8.5K]
  7_LFM梯度下降.ipynb [5.2K]
 MovieRecommender_day08.rar [494.3M]
视频 [4.4G]
 Day1 [495.9M]
  1.数学基础_1.wmv [72.2M]
  2.数学基础_2.wmv [57.7M]
  3.机器学习简介_1.wmv [81.2M]
  4.机器学习简介_2.wmv [93.6M]
  5.机器学习模型_线性回归.wmv [75M]
  6.线性回归代码实现.wmv [116.3M]
 Day2 [387.8M]
  1_线性回归_梯度下降代码实现.wmv [121.5M]
  2_knn.wmv [91.7M]
  3_knn_代码实现.wmv [88.4M]
  4_逻辑斯谛回归.wmv [86.2M]
 Day3 [488M]
  1_决策树.wmv [87.9M]
  2_kmeans.wmv [115.8M]
  3_kmeans代码测试.wmv [56.8M]
  04_推荐系统简介.wmv [67.7M]
  5_推荐系统简介_2.wmv [83.8M]
  6_推荐系统简介.wmv [76M]
 Day4 [487M]
  1_推荐系统算法_特征处理和TF-IDF.wmv [108.7M]
  2_TFIDF_示例.wmv [82.9M]
  3_推荐系统算法_协同过滤.wmv [45.9M]
  4_推荐系统算法_ALS.wmv [93.5M]
  5_LFM梯度下降代码实现.wmv [99.6M]
  5_电影推荐系统设计.pptx [6.5M]
  6_电影推荐系统_1.wmv [49.8M]
 Day5 [719.3M]
  1.电影推荐系统_数据分析和统计推荐.wmv [59.1M]
  2.电影推荐系统_离线推荐和实时推荐.wmv [77.3M]
  3_MongoDB简介.wmv [79M]
  4_项目框架和依赖.wmv [169.7M]
  5_DataLoader_1.wmv [143.9M]
  5_电影推荐系统设计.pptx [6.5M]
  6_DataLoader_2.wmv [180.7M]
  尚硅谷大数据技术之电影推荐系统.doc [2.8M]
  MongoDB简介.pptx [372.9K]
 Day6 [542M]
  1_DataLoader_es.wmv [92.5M]
  2_统计推荐_1.wmv [136.5M]
  3.统计推荐_2.wmv [178.7M]
  4_基于LFM的离线推荐_1.wmv [134.4M]
 Day7 [686.7M]
  1_基于LFM的离线推荐_2.wmv [140.2M]
  2_ALS参数选取.wmv [136.9M]
  3_实时推荐_1.wmv [129.3M]
  4_实时推荐_2.wmv [88.7M]
  5_实时推荐_3.wmv [191.5M]
 Day8 [664.3M]
 1_实时推荐_4.wmv [183M]
 2_实时推荐_测试.wmv [79.7M]
 3_基于内容的推荐_1.wmv [148.2M]
 4_基于内容的推荐_2.wmv [84.7M]
 5_实时系统联调.wmv [168.8M]
资料 [408.7M]
apache-flume-1.9.0-bin.tar.gz [64.8M]
elasticsearch-5.6.2.tar.gz [32.2M]
kafka_2.11-2.1.0.tgz [59M]
scala-2.11.8.zip [27.4M]
spark-2.1.1-bin-hadoop2.7.tgz [191.8M]
zookeeper-3.4.10.tar.gz [33.4M]
文章版权及转载声明

作者:站长本文地址:https://www.xiazai.red/post/27944.html发布于 2021-04-11
文章转载或复制请以超链接形式并注明出处下载集

赞(0)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

分享

发表评论

快捷回复:

评论列表 (暂无评论,417人围观)参与讨论

还没有评论,来说两句吧...