推荐系统 这是关于使用机器学习和深度学习技术构建推荐系统的研讨会 理论:ML和DL公式化,预测与排名,相似性,偏见与无偏见 范例:基于内容,协作过滤,基于知识,混合和集成 数据:表格,图像,文本(序列) 型号:(深度)矩阵分解,自动编码器,宽和深度,等级学习,序列建模 方法:显式与隐式反馈,用户项矩阵,嵌入,卷积,递归,域信号:位置,时间,上下文,社交, 过程:设置,编码和嵌入,设计,训练和选择,服务和缩放,测量,测试和改进 工具:python-data-stack:numpy,pandas,scikit-learn,keras,spacy,隐式,lightfm 笔记和幻灯片 基础知识: AI Conference 2019:| 笔记本电脑 Python库 深度推荐库 建立在Tensorflow上 -建立在PyTorch上 基于TensorFlow(学习排名) 基于矩阵分解的库 -隐