人工智能机器学习推荐系统项目案例实战课程视频教程下载。课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。 课程目标 掌握推荐系统原理与工作方式，使用Python库进行建模。 适用人群 机器学习，数据领域工作以及要转向人工智能方向的同学们。 课程简介 课程从推荐系统概述开始，详解推荐系统中两大核心算法：协同过滤与隐语义模型。使用Surprise库对电影数据集进行建模推荐，最后使用Tensorflow实现一个简易的基于隐语义模型的推荐系统。 课程章节 第1章推荐系统工作原理 1-1系列课程概述 1-2推荐系统应用 1-3推荐系统要完成的任务 1-4相似度计算 1-5基于用户的协同过滤算法 1-6基于物品的协同过滤算法 1-7隐语义模型 1-8隐语义模型求解 1-9模型评估标准 第2章使用Surprise库建立推荐系统 2-1Surprise库简介 2-2Surprise库使用方法 2-3得出商品推荐结果 第3章使用Tensorflow构造隐语义模型 3-1使用Tensorflow构造隐语义模型 3-2模型架构 3-3损失函数定义 3-4训练网络