课程目录
1-1 [推荐系统day01] 01.pyspark-Hive-udf问题(有问题) (26:16) 1-2 [推荐系统day01] 02.推荐系统概念 rmse-mae (49:08) 1-3 [推荐系统day01] 03.推荐系统概念 术语算法实现 (43:05) 1-4 [推荐系统day01] 04.推荐系统概念 覆盖率 (18:05) 1-5 [推荐系统day01] 05.商品流行度 相对流行度-信息熵 (01:00:32) 1-6 [推荐系统day01] 06.商品流行度 商品基尼系数 (48:22) 1-7 [推荐系统day01] 07.商品流行度 推荐列表多样性-整体多样性 (32:41) 1-8 [推荐系统day01] 08.相似度算法 jaacard和余弦相似度 (01:00:55) 1-9 [推荐系统day01] 09.用户相似度计算 userCF (57:15) 1-10 [推荐系统day01] 10.所有用户相似度的计算 (24:08) 1-11 [推荐系统day01] 11.userCF推荐算法的测试 (01:09:16) 1-12 [推荐系统day01] 12.johnbreese相似度算法 流行度做惩罚 (27:17) 2-1 [推荐系统day02] 1.itemCF (01:15:19) 2-2 [推荐系统day02] 2.商品协同过滤算法计算指定用户和商品之间偏好值 (07:43) 2-3 [推荐系统day02] 3.计算准确率-召回率-覆盖率-多样性 (01:30:31) 2-4 [推荐系统day02] 4.哈利波特问题-冷启动 (01:33:56) 2-5 [推荐系统day02] 5.spark scala隐语义模型 (57:24) 2-6 [推荐系统day02] 6.spark矩阵分解实现推荐 (08:01) 2-7 [推荐系统day02] 7.推荐系统总结 (21:02) 2-8 [推荐系统day02] 8.redis+java实时推荐 (01:55:54) 3-1 [推荐系统day03] 1.实时推荐改造 (51:06) 3-2 [推荐系统day03] 2.redis推荐3 (01:02:08) 3-3 [推荐系统day03] 3.redis推荐4 (23:33) 3-4 [推荐系统day03] 4.umeng统计-环境处理 (57:03) 3-5 [推荐系统day03] 5.umeng cube统计查询 (01:20:52) 3-6 [推荐系统day03] 6.cube统计查询+groupby实现通信日新 (01:00:22) 3-7 [推荐系统day03] 7.umeng cube周活-日活-月活 (01:08:43) 3-8 [推荐系统day03] 8.umeng cube月活率 (10:56) 3-9 [推荐系统day03] 9.umeng cube沉默用户 (18:08) 3-10 [推荐系统day03] 10.Umeng 开窗函数周回流用户 (01:27:12) 3-11 [推荐系统day03] 11.Umeng 开窗函数周连续n周活跃 (36:39) 3-12 [推荐系统day03] 12.Umeng 开窗函数近期流失用户 (23:17) 3-13 [推荐系统day03] 13.Umeng留存用户 (28:13) 4-1 [推荐系统day04] 1.留存率实现 (01:04:59) 4-2 [推荐系统day04] 2.新鲜度 (20:20) 4-3 [推荐系统day04] 3.消费原生主题消息转发到相应分主题 (01:20:07) 4-4 [推荐系统day04] 4.spark streaming实时计算 (28:49) 4-5 [推荐系统day04] 5.双聚合启动日志的访问时间入redis (31:50) 4-6 [推荐系统day04] 6.hive从redis抽取设备模型数 (15:20) 4-7 [推荐系统day04] 7.hive从redis udtf函数 (31:25) 4-8 [推荐系统day04] 8.自定义fetchusers函数注册与使用 (22:33) 4-9 [推荐系统day04] 9.电商行业术语 (16:21) 4-10 [推荐系统day04] 10.网站分析术语讲解 (22:06) 4-11 [推荐系统day04] 11.全部知识点回顾 (01:01:54) 4-12 [推荐系统day04] 12.简历指导 (01:13:47)
