本套课程来自最新2019年版，大数据技术之电影推荐系统，由武晟然讲师主讲，课程从数学基础到项目搭建与实现，共8天视频课程，并包含完整课程代码、笔记与资料，共5.3G。文章底部附下载地址，如链接失效，可评论告知。
项目以推荐系统建设领域知名的经过修改过的MovieLens数据集作为依托，以某科技公司电影网站真实业务数据架构为基础，构建了符合教学体系的一体化的电影推荐系统，包含了离线推荐与实时推荐体系，综合利用了协同过滤算法以及基于内容的推荐方法来提供混合推荐。提供了从前端应用、后台服务、算法设计实现、平台部署等多方位的闭环的业务实现。
课程目录：V-82200：2019年大数据电影推荐系统 – IDEA版大数据项目之推荐系统[5.3G]
笔记
0_数学基础.pptx
1_机器学习简介.pptx
2_机器学习模型.pptx
3_推荐系统简介.pptx
4_推荐系统算法详解.pptx
5_电影推荐系统设计.pptx
大数据技术之电影推荐系统.doc
代码
JupyterNotebook
1_线性回归_最小二乘法.ipynb
2_线性回归_梯度下降法.ipynb
3_线性回归_调用sklearn库.ipynb
4_knn.ipynb
5_kmeans.ipynb
6_TF-IDF.ipynb
7_LFM梯度下降.ipynb
MovieRecommender_day08.rar
视频
Day1
1.数学基础_1.wmv
2.数学基础_2.wmv
3.机器学习简介_1.wmv
4.机器学习简介_2.wmv
5.机器学习模型_线性回归.wmv
6.线性回归代码实现.wmv
Day2
1_线性回归_梯度下降代码实现.wmv
2_knn.wmv
3_knn_代码实现.wmv
4_逻辑斯谛回归.wmv
Day3
1_决策树.wmv
2_kmeans.wmv
3_kmeans代码测试.wmv
04_推荐系统简介.wmv
5_推荐系统简介_2.wmv
6_推荐系统简介.wmv
Day4
1_推荐系统算法_特征处理和TF-IDF.wmv
2_TFIDF_示例.wmv
3_推荐系统算法_协同过滤.wmv
4_推荐系统算法_ALS.wmv
5_LFM梯度下降代码实现.wmv
5_电影推荐系统设计.pptx
6_电影推荐系统_1.wmv
Day5
1.电影推荐系统_数据分析和统计推荐.wmv
2.电影推荐系统_离线推荐和实时推荐.wmv
3_MongoDB简介.wmv
4_项目框架和依赖.wmv
5_DataLoader_1.wmv
5_电影推荐系统设计.pptx
6_DataLoader_2.wmv
大数据技术之电影推荐系统.doc
MongoDB简介.pptx
Day6
1_DataLoader_es.wmv
2_统计推荐_1.wmv
3.统计推荐_2.wmv
4_基于LFM的离线推荐_1.wmv
Day7
1_基于LFM的离线推荐_2.wmv
2_ALS参数选取.wmv
3_实时推荐_1.wmv
4_实时推荐_2.wmv
5_实时推荐_3.wmv
Day8
1_实时推荐_4.wmv
2_实时推荐_测试.wmv
3_基于内容的推荐_1.wmv
4_基于内容的推荐_2.wmv
5_实时系统联调.wmv
资料
