推荐模型篇

目录

• 15 _ 协同过滤：最经典的推荐模型，我们应该掌握什么？
• 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？
• 19｜NeuralCF：如何用深度学习改造协同过滤？
• 20 _ DeepFM：如何让你的模型更好地处理特征交叉？
• 21｜注意力机制、兴趣演化：推荐系统如何抓住用户的心？
• 22｜强化学习：让推荐系统像智能机器人一样自主学习
• 23｜ 实战：如何用深度学习模型实现Sparrow RecSys的个性化推荐功能？
• 模型实战准备（一） _ TensorFlow入门和环境配置
• 模型实战准备（二） _ 模型特征、训练样本的处理
• 特别加餐 _ “银弹”不可靠，最优的模型结构该怎么找？