【直播回顾】21天搭建推荐系统:帮你减少90%代码量

简介: 6月23日晚8点《NoSQL、RDS、Big Data异构融合实战》,欢迎报名!

下期预告:《NoSQL、RDS、Big Data异构融合实战》,重点介绍PostgreSQL FDW原理,并结合金融报文处理、物联网数据整合、企业并购重组场景下的案例,展现“SQL Everything”的理念如何提高开发效率。查看详情


《21天搭建推荐系统》活动已在6月16日晚上顺利结束。在此,感谢本次活动嘉宾——阿里云技术专家郑重(卢梭)。

本次内容主要介绍了推荐系统基本原理,并以阿里云推荐引擎为基础,展示如何快速搭建推荐系统。整个搭建系统,包括基本功能设置和高级功能。基本功能方面,具体来说包括环境准备、数据准备、基本配置和离线计算、推荐API集成;高级功能方面,具体来说包括效果报表、实时修正以及监控和警告。整个实战主要目的就是让大家了解如何专注业务,利用自动化、半自动化工具,快速实现推荐系统。

分享者:郑重(卢梭),阿里云推荐引擎技术负责人,他和他的团队持续专注于将机器学习能力系统化、产品化,降低机器学习的应用门槛,让更多的阿里云客户能够分享阿里巴巴在大数据和算法能力上的积累,快速进入DT时代。

活动回顾视频

6ca605d76df47f7517d80a0400da6d0f274db298


PDF下载地址:点击下载

回顾文章

本次活动内容完整回顾参见:《21天搭建推荐系统:实现“千人千面”个性化推荐》

重要幻灯内容:

ice_screenshot_20160616_210403


下期预告:《NoSQL、RDS、Big Data异构融合实战》

Postgres是有着40年历史以核心交易型事务处理为发展重心的关系型数据库,在NewSQL时代他除了支持JSON、GIS等丰富功能外还提供FDW外部数据通道功能,让NoSQL、BigData实现异构融合。本次Webinar将为大家重点介绍FDW的源理,并结合金融报文处理、物联网数据整合、企业并购重组场景下的案例,展现SQL Everything的理念如何提高开发效率。

内容大纲 :

  • Why Postgres why FDW
  • FDW: SQL Everything加速传统行业转型
  • FDW: 金融报文处理
  • FDW: 物联网数据整合
  • FDW: 企业并购重组

分享时间:2016年6月23日20点

报名地址:https://yq.aliyun.com/webinar/join/18

讲师介绍:萧少聪(铁庵),Postgres中国用户会2016年主席,阿里云ApsaraDB数据库产品经理,负责PostgreSQL、PPAS(高度兼容Oracle)及数据库一体机方案。

重要提示

活动流程:在线报名 —— 报名完毕获得直播地址 —— 观看视频 —— 问答互动 —— 结束

提示:

  • 直播过程中,大家可以随时在直播页面留言提问
  • 进入问答环节时,分享嘉宾会在线回复大家的问题
  • 报名过程中,请您务必填写真实信息以确保顺利参加
  • 欢迎推荐您的朋友同事参加,并转发本活动到微博、朋友圈

往期回顾

相关文章
|
人工智能 搜索推荐 算法
【推荐系统】UserCF(基于用户的协同过滤)(理论+图解+代码实践)
【推荐系统】UserCF(基于用户的协同过滤)(理论+图解+代码实践)
984 0
【推荐系统】UserCF(基于用户的协同过滤)(理论+图解+代码实践)
|
搜索推荐 Python
推荐系统测评指标——计算DCG、IDCG以及nDCG的python代码
推荐系统测评指标——计算DCG、IDCG以及nDCG的python代码
推荐系统测评指标——计算DCG、IDCG以及nDCG的python代码
|
26天前
|
机器学习/深度学习 数据采集 算法
基于Apriori关联规则的电影推荐系统(附python代码)
这是一个基于Apriori算法的电影推荐系统概览。系统通过挖掘用户评分数据来发现关联规则,例如用户观看某部电影后可能感兴趣的其他电影。算法核心是逐层生成频繁项集并设定最小支持度阈值,之后计算规则的置信度。案例中展示了数据预处理、频繁项集生成以及规则提取的过程,具体包括用户评分电影的统计分析,如1-5部电影的评分组合。最后,通过Python代码展示了Apriori算法的实现,生成推荐规则,并给出了一个简单的推荐示例。整个过程旨在提高推荐的精准度,基于用户已评分的电影推测他们可能尚未评分但可能喜欢的电影。
基于Apriori关联规则的电影推荐系统(附python代码)
|
1月前
|
存储 机器学习/深度学习 搜索推荐
用Java代码打造信息推荐系统
用Java代码打造信息推荐系统
27 2
|
机器学习/深度学习 人工智能 搜索推荐
【推荐系统】Facebook经典模型GBDT+LR代码实践
【推荐系统】Facebook经典模型GBDT+LR代码实践
136 0
|
机器学习/深度学习 算法 搜索推荐
【推荐系统】Facebook经典模型GBDT+LR代码实践
在CRT预估中,工业界一般是会采用逻辑回归进行处理,对用户特征画像进行建模,然后计算点击概率,评估用户是否会有点击的行为。
181 0
|
搜索推荐 算法 数据挖掘
【推荐系统】UserCF(基于用户的协同过滤)(理论+图解+代码实践)
所谓协同过滤就是,根据用户的喜好或者近期的行为以及志趣相同的用户的爱好来给用户进行推荐物品,目前应用比较广泛的协同过滤算法有两种模式,一种是基于邻域(neighborhood methods),另外一种就是隐语义模型(latent factor models),对于邻域这种方法主要为以下两种方法:
2075 0
|
机器学习/深度学习 搜索推荐 算法
基于surprise模块快速搭建旅游产品推荐系统(代码+原理)(二 )
基于surprise模块快速搭建旅游产品推荐系统(代码+原理)
266 0
基于surprise模块快速搭建旅游产品推荐系统(代码+原理)(二 )
|
机器学习/深度学习 算法 搜索推荐
基于surprise模块快速搭建旅游产品推荐系统(代码+原理)(一)
基于surprise模块快速搭建旅游产品推荐系统(代码+原理)
444 0
基于surprise模块快速搭建旅游产品推荐系统(代码+原理)(一)
|
5月前
|
搜索推荐 算法 前端开发
旅游管理与推荐系统Python+Django网页平台+协同过滤推荐算法
旅游管理与推荐系统Python+Django网页平台+协同过滤推荐算法
146 0