1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

第一部分講解的是推薦系統(tǒng)需要的算法及其推導(dǎo)，內(nèi)容如下：

1、基于內(nèi)容的推薦系統(tǒng)

2、協(xié)同過濾的核心概念

3、基于用戶的協(xié)同過濾和基于產(chǎn)品的協(xié)同過濾

4、相似度的計(jì)算

5、隱語義模型的講解

6、Spark支持的推薦算法的介紹

7、交替最小二乘法(ALS)的推導(dǎo)

第二部分講解的是Spark代碼實(shí)現(xiàn)的推薦系統(tǒng)，內(nèi)容如下：

1、隱式類型數(shù)據(jù)的推薦的實(shí)現(xiàn)

2、顯示類型數(shù)據(jù)的推薦的實(shí)現(xiàn)

3、冷啟動(dòng)問題

4、Spark中ml包和mllib包的比較
第1章Spark中的推薦算法
1-1推薦系統(tǒng)概述
1-2基于內(nèi)容的推薦算法
1-3CF和核心概念
1-4User-Based_CF和Item-Based_CF
1-5相似度計(jì)算
1-6隱語義模型
1-7正則化
1-8Spark支持的推薦算法
1-9交替最小二乘算法講解
第2章推薦代碼實(shí)現(xiàn)
2-1隱式模型vs顯示模型
2-2數(shù)據(jù)集準(zhǔn)備
2-3數(shù)據(jù)解析
2-4構(gòu)建第一個(gè)模型
2-5模型評(píng)估
2-6選擇合理的超參數(shù)
2-7顯示類型數(shù)據(jù)的推薦的實(shí)現(xiàn)
2-8交叉驗(yàn)證
2-9冷啟動(dòng)問題
2-10Spark中mllib中的ALS的使用
2-11Spark中的ml包和mllib包