• 学习时长

    8周/建议每周至少6小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 第2章: Evaluation Approaches and Metrics for Recommender Systems
  • 5: 【课件】推荐系统 Lecture2.pdf
  • 第1节: Introduction
  • 6: 【视频】Introduction 12:19
  • 第2节: Evaluation approaches for recommender systems(Offline experiments,User studies,Online trails)
  • 7: 【视频】Evaluation approaches 21:06
  • 第3节: Evaluation metrics of recommender systems(Accuracy metrics,Non-accuracy metrics)
  • 8: 【视频】Evaluation metrics 92:10
  • 第4节: Summary and thinking
  • 9-1: 【视频】Summary and thinking 04:28
  • 9-2: 【作业】第2次
  • 第4章: Factorization Approaches in Recommender Systems
  • 第1节: Factorization Models
  • 12-1: 【课件】Lecture4 Factorization Models.pdf
  • 12-2: 【视频】Factorization Models 113:26
  • 第2节: Practice I:Implement ALS MF
  • 13: 【作业】assignment1
  • 第3节: Practice II:Implement feature based MF
  • 14: 【作业】assignment2
  • 第5章: Bridge Deep Learning to Recommender Systems
  • 15: 【课件】L5.DeepRS.pdf
  • 16: 【视频】Deep Learning to Recommender Systems 166:50
  • 第1节: Practice l:Implement Deep Regression Model to predict movie ratings
  • 17: 【作业】第五节:assignment1
  • 第2节: Practice II:Implement Neural MF to predict movie ratings
  • 18: 【作业】第五节:assignment2
  • 第6章: Session-based Recommender Systems
  • 19: 【课件】L6. Session-based Recommender Systems_v6
  • 20: 【视频】L6 Session-based Recommender Systems_v6 140:06
  • 第1节: Practice I:Implement a Markov chain based next-basket recommender systems
  • 21: 【作业】assignment1
  • 第2节: Practice II:Implement an RNN-based SBRS GRU4REC
  • 22: 【作业】assignment2
  • 第7章: Graph-based Recommender Systems
  • 23: 【课件】Graph Learning-based Recommender Systems.pdf
  • 24: 【视频】Graph Learning-based Recommender Systems 118:37
  • 第1节: Practice I:Implement a random walk-based recommender system for friend recommendation in a social network dataset.
  • 25: 【作业】assignment1
  • 第2节: Practice II:Implement a GNN-based recommender system for social recommendation to incorporate social relations for rating prediction.
  • 26: 【作业】assignment2

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请选择自己感兴趣的领域

智能语音

三维视觉

计算机视觉

移动机器人

推荐系统

工业机器人

知识图谱

深度学习

自然语言处理