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
<p><img src="/wp-xxx/uploads/images/20198262204579054.jpg"></p><p> <img src="/wp-xxx/uploads/images/qofls4hozhr.jpg" alt="" border="0" style="cursor:pointer" /></p><p>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</p>
<div>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。</div>
<div>课程文件目录：</div>
<div>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 </div>
<div>笔记 </div>
<div> 0_数学基础.pptx </div>
<div> 1_机器学习简介.pptx </div>
<div> 2_机器学习模型.pptx </div>
<div> 3_推荐系统简介.pptx </div>
<div> 4_推荐系统算法详解.pptx </div>
<div> 5_电影推荐系统设计.pptx </div>
<div> 尚硅谷大数据技术之电影推荐系统.doc </div>
<div>代码 </div>
<div> JupyterNotebook </div>
<div> 1_线性回归_最小二乘法.ipynb </div>
<div> 2_线性回归_梯度下降法.ipynb </div>
<div> 3_线性回归_调用sklearn库.ipynb </div>
<div> 4_knn.ipynb </div>
<div> 5_kmeans.ipynb </div>
<div> 6_TF-IDF.ipynb </div>
<div> 7_LFM梯度下降.ipynb </div>
<div> MovieRecommender_day08.rar </div>
<div>视频 </div>
<div> Day1 </div>
<div> 1.数学基础_1.wmv </div>
<div> 2.数学基础_2.wmv </div>
<div> 3.机器学习简介_1.wmv </div>
<div> 4.机器学习简介_2.wmv </div>
<div> 5.机器学习模型_线性回归.wmv </div>
<div> 6.线性回归代码实现.wmv </div>
<div> Day2 </div>
<div> 1_线性回归_梯度下降代码实现.wmv </div>
<div> 2_knn.wmv </div>
<div> 3_knn_代码实现.wmv </div>
<div> 4_逻辑斯谛回归.wmv </div>
<div> Day3 </div>
<div> 1_决策树.wmv </div>
<div> 2_kmeans.wmv </div>
<div> 3_kmeans代码测试.wmv </div>
<div> 04_推荐系统简介.wmv </div>
<div> 5_推荐系统简介_2.wmv </div>
<div> 6_推荐系统简介.wmv </div>
<div> Day4 </div>
<div> 1_推荐系统算法_特征处理和TF-IDF.wmv </div>
<div> 2_TFIDF_示例.wmv </div>
<div> 3_推荐系统算法_协同过滤.wmv </div>
<div> 4_推荐系统算法_ALS.wmv </div>
<div> 5_LFM梯度下降代码实现.wmv </div>
<div> 5_电影推荐系统设计.pptx </div>
<div> 6_电影推荐系统_1.wmv </div>
<div> Day5 </div>
<div> 1.电影推荐系统_数据分析和统计推荐.wmv </div>
<div> 2.电影推荐系统_离线推荐和实时推荐.wmv </div>
<div> 3_MongoDB简介.wmv </div>
<div> 4_项目框架和依赖.wmv </div>
<div> 5_DataLoader_1.wmv </div>
<div> 5_电影推荐系统设计.pptx </div>
<div> 6_DataLoader_2.wmv </div>
<div> 尚硅谷大数据技术之电影推荐系统.doc </div>
<div> MongoDB简介.pptx </div>
<div> Day6 </div>
<div> 1_DataLoader_es.wmv </div>
<div> 2_统计推荐_1.wmv </div>
<div> 3.统计推荐_2.wmv </div>
<div> 4_基于LFM的离线推荐_1.wmv </div>
<div> Day7 </div>
<div> 1_基于LFM的离线推荐_2.wmv </div>
<div> 2_ALS参数选取.wmv </div>
<div> 3_实时推荐_1.wmv </div>
<div> 4_实时推荐_2.wmv </div>
<div> 5_实时推荐_3.wmv </div>
<div> Day8 </div>
<div> 1_实时推荐_4.wmv </div>
<div> 2_实时推荐_测试.wmv </div>
<div> 3_基于内容的推荐_1.wmv </div>
<div> 4_基于内容的推荐_2.wmv </div>
<div> 5_实时系统联调.wmv </div>
<div>资料 </div>
<div>apache-flume-1.9.0-bin.tar.gz </div>
<div>elasticsearch-5.6.2.tar.gz </div>
<div>kafka_2.11-2.1.0.tgz </div>
<div>scala-2.11.8.zip </div>
<div>spark-2.1.1-bin-hadoop2.7.tgz </div>
<div>zookeeper-3.4.10.tar.gz </div><p style="border-top: 1px dotted #d9d9d9;margin: 25px 0"></p>
页:
[1]