工程師
互聯(lián)網(wǎng)
人工智能
大數(shù)據(jù)
推薦系統(tǒng)
視頻推薦
音樂推薦
內(nèi)容推薦
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

構(gòu)建企業(yè)級(jí)推薦系統(tǒng)

Q.L

某科技公司 技術(shù)總監(jiān)

2009年畢業(yè)于中科大數(shù)學(xué)系。有12年大數(shù)據(jù)與推薦系統(tǒng)相關(guān)實(shí)戰(zhàn)經(jīng)驗(yàn)。
出版過暢銷書《推薦系統(tǒng):算法、案例與大模型》、《構(gòu)建企業(yè)級(jí)推薦系統(tǒng):算法、工程實(shí)現(xiàn)與案例分析》,翻譯出版過《認(rèn)識(shí)AI:人工智能如何賦能商業(yè)》、《MongoDB性能調(diào)優(yōu)實(shí)戰(zhàn)》、《AI革命:人工智能如何為商業(yè)賦能》。有10+推薦系統(tǒng)、AI、算法、大數(shù)據(jù)發(fā)明專利。
目前公司業(yè)務(wù)方向?yàn)槠髽I(yè)咨詢、培訓(xùn)、項(xiàng)目實(shí)施,聚焦銀行、互聯(lián)網(wǎng)、傳統(tǒng)行業(yè)的精細(xì)化運(yùn)營與數(shù)智化轉(zhuǎn)型方向。

曾一手打造過DAU千萬級(jí)視頻APP的推薦系統(tǒng),幫助過美國一家音樂創(chuàng)業(yè)公司從零開始構(gòu)建一套完整的推薦系統(tǒng),有3年toB企業(yè)級(jí)推薦系統(tǒng)&數(shù)字化轉(zhuǎn)型實(shí)施經(jīng)驗(yàn)。

曾從零開始構(gòu)建過toC企業(yè)大數(shù)據(jù)與人工智能平臺(tái),日處理數(shù)據(jù)量50T,幫助過湖北廣電、中鹽常州化工股份公司等傳統(tǒng)企業(yè)構(gòu)建過企業(yè)級(jí)數(shù)據(jù)中臺(tái)與大數(shù)據(jù)應(yīng)用平臺(tái)。

2009年畢業(yè)于中科大數(shù)學(xué)系。有12年大數(shù)據(jù)與推薦系統(tǒng)相關(guān)實(shí)戰(zhàn)經(jīng)驗(yàn)。 出版過暢銷書《推薦系統(tǒng):算法、案例與大模型》、《構(gòu)建企業(yè)級(jí)推薦系統(tǒng):算法、工程實(shí)現(xiàn)與案例分析》,翻譯出版過《認(rèn)識(shí)AI:人工智能如何賦能商業(yè)》、《MongoDB性能調(diào)優(yōu)實(shí)戰(zhàn)》、《AI革命:人工智能如何為商業(yè)賦能》。有10+推薦系統(tǒng)、AI、算法、大數(shù)據(jù)發(fā)明專利。 目前公司業(yè)務(wù)方向?yàn)槠髽I(yè)咨詢、培訓(xùn)、項(xiàng)目實(shí)施,聚焦銀行、互聯(lián)網(wǎng)、傳統(tǒng)行業(yè)的精細(xì)化運(yùn)營與數(shù)智化轉(zhuǎn)型方向。 曾一手打造過DAU千萬級(jí)視頻APP的推薦系統(tǒng),幫助過美國一家音樂創(chuàng)業(yè)公司從零開始構(gòu)建一套完整的推薦系統(tǒng),有3年toB企業(yè)級(jí)推薦系統(tǒng)&數(shù)字化轉(zhuǎn)型實(shí)施經(jīng)驗(yàn)。 曾從零開始構(gòu)建過toC企業(yè)大數(shù)據(jù)與人工智能平臺(tái),日處理數(shù)據(jù)量50T,幫助過湖北廣電、中鹽常州化工股份公司等傳統(tǒng)企業(yè)構(gòu)建過企業(yè)級(jí)數(shù)據(jù)中臺(tái)與大數(shù)據(jù)應(yīng)用平臺(tái)。

課程費(fèi)用

5800.00 /人

課程時(shí)長

2

成為教練

課程簡介

隨著移動(dòng)互聯(lián)網(wǎng)的深入發(fā)展,相信大家對(duì)如下場景并不陌生:
打開新聞APP,會(huì)自動(dòng)展現(xiàn)喜歡看的內(nèi)容 打開音樂軟件,推薦的都是我們想聽的歌 打開淘寶,推送的都是想買的東西
這就是推薦系統(tǒng)的功勞,推薦系統(tǒng)已經(jīng)深入到我們生活的每一個(gè)角落。隨著計(jì)算能力的
突破,大數(shù)據(jù)應(yīng)用的普及,很多應(yīng)用都能做到千人千面,毫不夸張地說,未來推薦系統(tǒng)
會(huì)成為所有數(shù)據(jù)型產(chǎn)品的標(biāo)配。個(gè)性化時(shí)代已經(jīng)到來!
推薦系統(tǒng)是一種高效的信息分發(fā)解決方案,對(duì)于任何一家提供產(chǎn)品/服務(wù)的toC互聯(lián)網(wǎng)公
司,利用推薦系統(tǒng)都可以高效地進(jìn)行內(nèi)容的分發(fā)與推薦,從而更好為公司提升用戶使用
體驗(yàn)、創(chuàng)造商業(yè)價(jià)值。
但是,構(gòu)建一套完善、穩(wěn)定、高效、低成本、靈活的推薦系統(tǒng)是一件非常困難的事情,
涉及到數(shù)據(jù)、算法、工程、產(chǎn)品交互、業(yè)務(wù)指標(biāo)等方方面面,只有對(duì)這些知識(shí)點(diǎn)有深入
全面的了解,再結(jié)合公司的業(yè)務(wù)才能構(gòu)建出具備商業(yè)價(jià)值的推薦系統(tǒng),而這正是本次課
程的目標(biāo)。本次課程將工業(yè)級(jí)推薦系統(tǒng)所涉及到的所有核心知識(shí)點(diǎn)進(jìn)行歸納、總結(jié)、濃
縮,并結(jié)合案例來幫助學(xué)員學(xué)習(xí)怎么打造出一套有價(jià)值的工業(yè)級(jí)推薦系統(tǒng)。
我從2010年開始一直從事推薦系統(tǒng)與大數(shù)據(jù)相關(guān)研發(fā)工作,熟悉推薦系統(tǒng)全鏈路相關(guān)技
術(shù)點(diǎn),在推薦算法、工程實(shí)踐、推薦業(yè)務(wù)與產(chǎn)品、推薦價(jià)值產(chǎn)出等方面積累了豐富的實(shí)
戰(zhàn)經(jīng)驗(yàn),本次課程也是作者多年實(shí)踐經(jīng)驗(yàn)的濃縮與提煉。
期望本次課程可以幫助學(xué)員更好、更全面地理解工業(yè)級(jí)推薦系統(tǒng)相關(guān)的知識(shí)點(diǎn),學(xué)以致
用,讓推薦系統(tǒng)真正幫助企業(yè)更有效地分發(fā)內(nèi)容、產(chǎn)出商業(yè)價(jià)值!

目標(biāo)收益

學(xué)習(xí)完本課程后,學(xué)員的主要收獲有:
(1) 從企業(yè)級(jí)應(yīng)用的角度對(duì)推薦系統(tǒng)有一個(gè)全面的認(rèn)知,知道推薦系統(tǒng)的技能要求、價(jià)值、應(yīng)用場景;
(2) 了解最主流的推薦算法基本原理;
(3) 熟悉推薦系統(tǒng)的產(chǎn)品形態(tài),針對(duì)不同的產(chǎn)品怎么更好地整合推薦系統(tǒng)以發(fā)揮業(yè)務(wù)價(jià)值;
(4) 了解在真實(shí)業(yè)務(wù)場景中怎么做好推薦系統(tǒng),讓推薦系統(tǒng)真正產(chǎn)生商業(yè)價(jià)值;
(5)獲得講師十多年實(shí)踐推薦系統(tǒng)的經(jīng)典案例和經(jīng)驗(yàn);

培訓(xùn)對(duì)象

本課程適合對(duì)推薦系統(tǒng)感興趣的或者自身工作與推薦系統(tǒng)相關(guān)的算法工程師

課程大綱

第一篇:推薦系統(tǒng)背景知識(shí)介紹



1. 推薦系統(tǒng)介紹與知識(shí)儲(chǔ)備;
2. 推薦系統(tǒng)應(yīng)用場景及價(jià)值;
3. 推薦系統(tǒng)團(tuán)隊(duì)組成及角色定位;
4. 推薦系統(tǒng)的未來發(fā)展;
第二篇:推薦系統(tǒng)算法 1. 數(shù)據(jù)與特征工程;
2. 推薦系統(tǒng)離線評(píng)估;
3. 基于內(nèi)容的推薦算法;
4. 協(xié)同過濾推薦算法;
5. 矩陣分解推薦算法;
6. 深度學(xué)習(xí)推薦算法;
7. 推薦系統(tǒng)排序算法;
8. 推薦系統(tǒng)冷啟動(dòng);
9. 實(shí)時(shí)推薦系統(tǒng);
第三篇:推薦系統(tǒng)工程 1. 開源平臺(tái)及工具介紹;
2. 推薦系統(tǒng)業(yè)務(wù)流與架構(gòu);
3. 推薦系統(tǒng)AB測試;
4. 在線評(píng)估:指標(biāo)體系;
5. 推薦系統(tǒng)服務(wù);
6. 推薦系統(tǒng)解釋;
第四篇:推薦系統(tǒng)產(chǎn)品與交互 1. 推薦系統(tǒng)常用業(yè)務(wù)場景與產(chǎn)品形態(tài)介紹;
2. 推薦系統(tǒng)的UI交互介紹;
3. 推薦要素的視覺展示;
第五篇:工業(yè)級(jí)推薦系統(tǒng)案例 1. 怎樣從零開始構(gòu)建一個(gè)工業(yè)級(jí)推薦系統(tǒng);
2. 相似推薦案例;
3. 個(gè)性化推薦案例;
4. 信息流推薦案例;
第一篇:推薦系統(tǒng)背景知識(shí)介紹




1. 推薦系統(tǒng)介紹與知識(shí)儲(chǔ)備;
2. 推薦系統(tǒng)應(yīng)用場景及價(jià)值;
3. 推薦系統(tǒng)團(tuán)隊(duì)組成及角色定位;
4. 推薦系統(tǒng)的未來發(fā)展;
第二篇:推薦系統(tǒng)算法
1. 數(shù)據(jù)與特征工程;
2. 推薦系統(tǒng)離線評(píng)估;
3. 基于內(nèi)容的推薦算法;
4. 協(xié)同過濾推薦算法;
5. 矩陣分解推薦算法;
6. 深度學(xué)習(xí)推薦算法;
7. 推薦系統(tǒng)排序算法;
8. 推薦系統(tǒng)冷啟動(dòng);
9. 實(shí)時(shí)推薦系統(tǒng);
第三篇:推薦系統(tǒng)工程
1. 開源平臺(tái)及工具介紹;
2. 推薦系統(tǒng)業(yè)務(wù)流與架構(gòu);
3. 推薦系統(tǒng)AB測試;
4. 在線評(píng)估:指標(biāo)體系;
5. 推薦系統(tǒng)服務(wù);
6. 推薦系統(tǒng)解釋;
第四篇:推薦系統(tǒng)產(chǎn)品與交互
1. 推薦系統(tǒng)常用業(yè)務(wù)場景與產(chǎn)品形態(tài)介紹;
2. 推薦系統(tǒng)的UI交互介紹;
3. 推薦要素的視覺展示;
第五篇:工業(yè)級(jí)推薦系統(tǒng)案例
1. 怎樣從零開始構(gòu)建一個(gè)工業(yè)級(jí)推薦系統(tǒng);
2. 相似推薦案例;
3. 個(gè)性化推薦案例;
4. 信息流推薦案例;

活動(dòng)詳情

提交需求