资源投诉 发布时间: 2024-09-29 15:28:15
文件大小: 共计 40 个文件 ,合计: 76.9MB
发布者: lin00t
资源来源: 阿里云盘
资源售价: 9金币
会员所有资源免费
1.本站会员获取资源无需消耗金币。
2.获取资源后可以在「个人中心」48 小时内无理由退金币。
3.为防止资源链接失效,请及时转存文件。
4.如果阿里云盘资源出现如下
"你打开的链接有误,请重试"
提示,尝试刷新下阿里云盘的资源页面。
以下文件快照生成于3 小时前。(只展示部分的文件和文件夹)
📢:可能存在部分资源被网盘官方屏蔽。
全部文件 76.9MB
30-推荐系统三十六式 76.9MB
06-尾声与参考阅读 (2讲) 5.8MB
推荐系统的参考阅读.pdf 1.3MB
推荐系统的参考阅读.html(1).part 1.0MB
【尾声】遇“荐”之后,江湖再见.pdf 3.5MB
05-第4章 产品篇 (3讲) 3.9MB
【团队篇】组建推荐团队及工程师的学习路径.pdf 1.2MB
【产品篇】说说信息流的前世今生.pdf 1.5MB
【产品篇】推荐系统在互联网产品商业链条中的地位.pdf 1.2MB
04-第3章 工程篇 (10讲) 20.7MB
【效果保证】道高一尺魔高一丈:推荐系统的攻防.pdf 1.4MB
【效果保证】推荐系统的测试方法及常用指标介绍.pdf 1.3MB
【开源工具】和推荐系统有关的开源工具及框架介绍.pdf 3.5MB
【常见架构】总览推荐架构和搜索、广告的关系.pdf 2.2MB
【常见架构】典型的信息流架构是什么样的.pdf 1.6MB
【常见架构】Netflix个性化推荐架构.pdf 2.2MB
【关键模块】让数据驱动落地,你需要一个实验平台.pdf 2.1MB
【关键模块】让你的推荐系统反应更快:实时推荐.pdf 2.0MB
【关键模块】巧妇难为无米之炊:数据采集关键要素.pdf 2.1MB
【关键模块】 推荐系统服务化、存储选型及API设计.pdf 2.4MB
03-第2章 原理篇 (20讲) 37.9MB
【近邻推荐】解密“看了又看”和“买了又买”.pdf 1.7MB
【近邻推荐】协同过滤中的相似度计算方法有哪些.pdf 2.0MB
【近邻推荐】人以群分,你是什么人就看到什么世界.pdf 1.7MB
【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法.pdf 1.6MB
【矩阵分解】如果关注排序效果,那么这个模型可以帮到你.pdf 2.6MB
【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.pdf 1.8MB
【深度学习】用RNN构建个性化音乐播单.pdf 1.9MB
【深度学习】深度学习在推荐系统中的应用有哪些.pdf 2.1MB
【模型融合】经典模型融合办法:线性模型和树模型的组合拳.pdf 2.2MB
【模型融合】深度和宽度兼具的融合模型 Wide and Deep.pdf 3.4MB
【模型融合】一网打尽协同过滤、矩阵分解和线性模型.pdf 1.4MB
【内容推荐】超越标签的内容推荐系统.pdf 2.2MB
【内容推荐】画鬼容易画人难:用户画像的“能”和“不能”.pdf 1.8MB
【内容推荐】从文本到用户画像有多远.pdf 1.6MB
【其他应用算法】构建一个科学的排行榜体系.pdf 1.5MB
【其他应用算法】推荐候选池的去重策略.pdf 1.9MB
【其他应用算法】实用的加权采样算法.pdf 1.4MB
【MAB问题】结合上下文信息的Bandit算法.pdf 1.2MB
【MAB问题】简单却有效的Bandit算法.pdf 1.6MB
【MAB问题】如何将Bandit算法与协同过滤结合使用.pdf 2.3MB
02-第1章 概念篇 (3讲) 6.0MB
【概念篇】这些你必须应该具备的思维模式.pdf 2.2MB
【概念篇】你真的需要个性化推荐系统吗.pdf 1.7MB
【概念篇】个性化推荐系统那些绕不开的经典问题.pdf 2.1MB
01-开篇词 (1讲) 2.7MB
00丨开篇词丨用知识去对抗技术不平等.pdf 2.7MB
请认真阅读以下说明,您只有在了解并同意该说明后,才可继续访问本站。
1.
全站链接通过程序自动收集互联网公开分享链接,本站不储存、复制、传播任何网盘文件,也不提供下载服务。
2.
资源精灵遵守相关法律法规,坚决杜绝一切违规不良信息,如您发现任何涉嫌违规的网盘信息,请立即向网盘官方网站举报,并及时反馈给我们进行屏蔽删除。同时您必须了解并同意本站《用户协议》,严禁搜索非法关键词。
3.
资源精灵高度重视知识产权保护和个人隐私保护,如有网盘链接侵犯您的合法权益,请立即向百度网盘官方网站举报,并参见本站《版权说明》提供书面材料联系我们屏蔽删改。
4. 资源精灵作为非经营性网站,所有服务仅供学习交流使用。