推荐系统三十六式，网盘下载(345.22M)

01-开篇词(1讲)[7.75M]

00丨开篇词丨用知识去对抗技术不平等.html[2.04M]

00丨开篇词丨用知识去对抗技术不平等.mp3[2.97M]

00丨开篇词丨用知识去对抗技术不平等.pdf[2.74M]

02-第1章概念篇(3讲)[25.34M]

【概念篇】个性化推荐系统那些绕不开的经典问题.html[1.75M]

【概念篇】个性化推荐系统那些绕不开的经典问题.mp3[4.01M]

【概念篇】个性化推荐系统那些绕不开的经典问题.pdf[2.07M]

【概念篇】你真的需要个性化推荐系统吗.html[1.58M]

【概念篇】你真的需要个性化推荐系统吗.mp3[5.24M]

【概念篇】你真的需要个性化推荐系统吗.pdf[1.66M]

【概念篇】这些你必须应该具备的思维模式.html[2.33M]

【概念篇】这些你必须应该具备的思维模式.mp3[4.49M]

【概念篇】这些你必须应该具备的思维模式.pdf[2.22M]

03-第2章原理篇(20讲)[181.69M]

【MAB问题】简单却有效的Bandit算法.html[1.51M]

【MAB问题】简单却有效的Bandit算法.mp3[6.64M]

【MAB问题】简单却有效的Bandit算法.pdf[1.61M]

【MAB问题】结合上下文信息的Bandit算法.html[1.22M]

【MAB问题】结合上下文信息的Bandit算法.mp3[4.94M]

【MAB问题】结合上下文信息的Bandit算法.pdf[1.23M]

【MAB问题】如何将Bandit算法与协同过滤结合使用.html[1.62M]

【MAB问题】如何将Bandit算法与协同过滤结合使用.mp3[5.51M]

【MAB问题】如何将Bandit算法与协同过滤结合使用.pdf[2.35M]

【近邻推荐】解密“看了又看”和“买了又买”.html[1.52M]

【近邻推荐】解密“看了又看”和“买了又买”.mp3[5.69M]

【近邻推荐】解密“看了又看”和“买了又买”.pdf[1.68M]

【近邻推荐】人以群分，你是什么人就看到什么世界.html[1.29M]

【近邻推荐】人以群分，你是什么人就看到什么世界.mp3[6.16M]

【近邻推荐】人以群分，你是什么人就看到什么世界.pdf[1.71M]

【近邻推荐】协同过滤中的相似度计算方法有哪些.html[2.07M]

【近邻推荐】协同过滤中的相似度计算方法有哪些.mp3[4.49M]

【近邻推荐】协同过滤中的相似度计算方法有哪些.pdf[1.98M]

【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.html[1.54M]

【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.mp3[5.44M]

【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.pdf[1.78M]

【矩阵分解】那些在NetflixPrize中大放异彩的推荐算法.html[1.30M]

【矩阵分解】那些在NetflixPrize中大放异彩的推荐算法.mp3[5.65M]

【矩阵分解】那些在NetflixPrize中大放异彩的推荐算法.pdf[1.60M]

【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.html[1.89M]

【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.mp3[5.31M]

【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.pdf[2.59M]

【模型融合】经典模型融合办法：线性模型和树模型的组合拳.html[1.73M]

【模型融合】经典模型融合办法：线性模型和树模型的组合拳.mp3[7.91M]

【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[2.16M]

【模型融合】深度和宽度兼具的融合模型WideandDeep.html[2.45M]

【模型融合】深度和宽度兼具的融合模型WideandDeep.mp3[6.62M]

【模型融合】深度和宽度兼具的融合模型WideandDeep.pdf[3.39M]

【模型融合】一网打尽协同过滤、矩阵分解和线性模型.html[1.48M]

【模型融合】一网打尽协同过滤、矩阵分解和线性模型.mp3[4.54M]

【模型融合】一网打尽协同过滤、矩阵分解和线性模型.pdf[1.41M]

【内容推荐】超越标签的内容推荐系统.html[1.61M]

【内容推荐】超越标签的内容推荐系统.mp3[4.72M]

【内容推荐】超越标签的内容推荐系统.pdf[2.16M]

【内容推荐】从文本到用户画像有多远.html[1.26M]

【内容推荐】从文本到用户画像有多远.mp3[8.74M]

【内容推荐】从文本到用户画像有多远.pdf[1.57M]

【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.html[1.73M]

【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.mp3[4.84M]

【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.pdf[1.81M]

【其他应用算法】构建一个科学的排行榜体系.html[1.47M]

【其他应用算法】构建一个科学的排行榜体系.mp3[5.37M]

【其他应用算法】构建一个科学的排行榜体系.pdf[1.53M]

【其他应用算法】实用的加权采样算法.html[1.17M]

【其他应用算法】实用的加权采样算法.mp3[3.44M]

【其他应用算法】实用的加权采样算法.pdf[1.45M]

【其他应用算法】推荐候选池的去重策略.html[1.97M]

【其他应用算法】推荐候选池的去重策略.mp3[4.12M]

【其他应用算法】推荐候选池的去重策略.pdf[1.90M]

【深度学习】深度学习在推荐系统中的应用有哪些.html[1.69M]

【深度学习】深度学习在推荐系统中的应用有哪些.mp3[5.93M]

【深度学习】深度学习在推荐系统中的应用有哪些.pdf[2.15M]

【深度学习】用RNN构建个性化音乐播单.html[2.10M]

【深度学习】用RNN构建个性化音乐播单.mp3[5.05M]

【深度学习】用RNN构建个性化音乐播单.pdf[1.89M]

04-第3章工程篇(10讲)[97.49M]

【常见架构】Netflix个性化推荐架构.html[2.11M]

【常见架构】Netflix个性化推荐架构.mp3[5.63M]

【常见架构】Netflix个性化推荐架构.pdf[2.20M]

【常见架构】典型的信息流架构是什么样的.html[1.24M]

【常见架构】典型的信息流架构是什么样的.mp3[6.43M]

【常见架构】典型的信息流架构是什么样的.pdf[1.64M]

【常见架构】总览推荐架构和搜索、广告的关系.html[2.12M]

【常见架构】总览推荐架构和搜索、广告的关系.mp3[5.02M]

【常见架构】总览推荐架构和搜索、广告的关系.pdf[2.17M]

【关键模块】推荐系统服务化、存储选型及API设计.html[2.58M]

【关键模块】推荐系统服务化、存储选型及API设计.mp3[5.93M]

【关键模块】推荐系统服务化、存储选型及API设计.pdf[2.39M]

【关键模块】巧妇难为无米之炊：数据采集关键要素.html[1.55M]

【关键模块】巧妇难为无米之炊：数据采集关键要素.mp3[6.97M]

【关键模块】巧妇难为无米之炊：数据采集关键要素.pdf[2.07M]

【关键模块】让你的推荐系统反应更快：实时推荐.html[1.76M]

【关键模块】让你的推荐系统反应更快：实时推荐.mp3[6.60M]

【关键模块】让你的推荐系统反应更快：实时推荐.pdf[1.97M]

【关键模块】让数据驱动落地，你需要一个实验平台.html[1.76M]

【关键模块】让数据驱动落地，你需要一个实验平台.mp3[5.90M]

【关键模块】让数据驱动落地，你需要一个实验平台.pdf[2.08M]

【开源工具】和推荐系统有关的开源工具及框架介绍.html[2.84M]

【开源工具】和推荐系统有关的开源工具及框架介绍.mp3[2.80M]

【开源工具】和推荐系统有关的开源工具及框架介绍.pdf[3.54M]

【效果保证】道高一尺魔高一丈：推荐系统的攻防.html[1.04M]

【效果保证】道高一尺魔高一丈：推荐系统的攻防.mp3[7.71M]

【效果保证】道高一尺魔高一丈：推荐系统的攻防.pdf[1.36M]

【效果保证】推荐系统的测试方法及常用指标介绍.html[1.21M]

【效果保证】推荐系统的测试方法及常用指标介绍.mp3[5.62M]

【效果保证】推荐系统的测试方法及常用指标介绍.pdf[1.28M]

05-第4章产品篇(3讲)[21.77M]

【产品篇】说说信息流的前世今生.html[999.27K]

【产品篇】说说信息流的前世今生.mp3[5.54M]

【产品篇】说说信息流的前世今生.pdf[1.48M]

【产品篇】推荐系统在互联网产品商业链条中的地位.html[1.15M]

【产品篇】推荐系统在互联网产品商业链条中的地位.mp3[4.54M]

【产品篇】推荐系统在互联网产品商业链条中的地位.pdf[1.22M]

【团队篇】组建推荐团队及工程师的学习路径.html[1.06M]

【团队篇】组建推荐团队及工程师的学习路径.mp3[4.65M]

【团队篇】组建推荐团队及工程师的学习路径.pdf[1.16M]

06-尾声与参考阅读(2讲)[11.18M]

【尾声】遇“荐”之后，江湖再见.html[2.22M]

【尾声】遇“荐”之后，江湖再见.mp3[2.27M]

【尾声】遇“荐”之后，江湖再见.pdf[3.45M]

推荐系统的参考阅读.html[1.03M]

推荐系统的参考阅读.mp3[954.76K]

推荐系统的参考阅读.pdf[1.28M]