课程目录

• 【01】大数据-基础课
• python初步-代码
• python_test.tgz
• 【01】Linux安装
• 【02】环境准备nat配置
• 【03】Hadoop集群搭建-1
• 【04】Hadoop集群搭建-2
• 【05】Python初步
• 【02】大数据-进阶篇
• 课件
• 01-hadoop+hdfs.pptx
• 02-hadpop+MapReduce.pptx
• 03-hadoop案例分析.pptx
• 04-yarn.pptx
• 05-数据类型以及常用数据处理.pptx
• 06-hive大数据利器.pptx
• 07-hive优化.pptx
• 视频
• Auc的二种计算方式以及fm
• Auc细讲
• Combiner
• DNN+线性不可分+tf实现dnn
• Dssm源码分析
• Embedding设计以及fm源码解析
• FM的优化逻辑
• Hadoop+hdfs
• Hadoop+mapreduce
• Hadoop+mapreduce深度分析
• Hadoop实现k-means
• Hadoop完结
• Hive函数
• Hive开端
• Item2vector
• Kmeans聚类算法+聚类推荐
• LR处理离散特征onehot+onehotmap
• Tfidf+item2vector+hnsw实现极速召回
• 代码解析spark+python
• 多路召回融合+权重动态分配
• 分类问题+lr
• 回顾+标准化_归一化
• 回顾+基于用户的协同过滤
• 基于模型的推荐系统复习+机器学初识
• 基于物品的协同过滤+业界应用
• 聚类算法详解
• 逻辑回归实现的两种方式tf+sklearn
• 模型评价指标
• 算法前的数据格式说明
• 引入用户物品偏执的lfm模型
• 用户物品矩阵分解原理
• 知识回顾+基于物品的协同过滤
• 【03】大数据推荐系统-高阶篇
• 代码
• all_path_for_recall
• 基于lfm的推荐流程.py
• 课件
• 01-推荐系统
• 02-推荐系统架构
• 03-推荐算法_协同过滤_kmenas聚类
• 视频
• Word2vector01
• Word2vector02
• Word2vector03代码分析
• 回顾+协同过滤理论
• 如何根据用户行为生成物品的item2vector
• 深度模型的dssm召回
• 推荐系统架构
• 推荐系统简介
• 问题解答
• 协同过滤业界问题+代码
• 【04】大数据-项目实战
• 项目案例01
• 项目案例02
• 项目案例03
• 项目案例04
• 【05】大数据分析-可视化
• 课件
• 数据全栈分析
• 视频
• 01-描述统计分析
• 02-描述统计分析
• 03-描述统计分析
• 04-描述统计分析
• Excel01-初阶
• Excel02-高阶
• Excel03-高阶
• Excel04-高阶
• 数据
• Excel函数使用.xlsx
• Excel基本使用.xlsx
• Excel数据透视表和可视化.xlsx
• 导入文本数据.txt
• 【06】大数据分析-项目实战
• 01-车车智能营销分析项目
• 代码
• 课件+笔记
• 视频
• 数据
• 02-双11电商网站用户行为分析项目
• 代码
• 课件+笔记
• 视频
• 数据
• 【07】大数据-绘图工具
• draw.io-12.3.2-windows-no-installer.exe
• 【08】大数据-互联网大厂面试真题附含答案
• 大厂面试01
• 大厂面试02
• 大厂面试03
• 高频面试题
• 面试真题目录.docx
• 【09】大数据-互联网大厂优质面试模版
• 【Java高级研发工程师】(1)
• 【大数据_Hadoop开发工程师】
• 【大数据开发工程师A
• 【大数据开发工程师】B
• 【大数据开发工程师】E
• 【大数据平台工程师】D
• 【大数据研发工程师】H
• 【高级研发工程师】F
• 大数据开发+数仓简历4.docx
• 大数据开发+算法简历5.docx
• 大数据开发简历1
• 大数据开发简历2
• 大数据开发简历6.doc
• 大数据实习简历
• 【10】大数据-扩展书籍（英文书籍）
• attention is all you need
• Attentional Factorization Machines Learning the Weight of Feature Interactions via Attention Networks
• Deep & Cross Network for Ad Click Predictions
• Deep interest network
• Deep Reinforcement Learning for List-wise Recommendation
• deepfm
• DRN A Deep Reinforcement Learning Framework for News Recommendation
• Entire Space Multi-Task Model An E ective Approach for Estimating Post-Click Conversion Rate
• facebook-GBDT-LR
• linucb
• MLR
• Neural Factorization Machines for Sparse Predictive Analytics
• Product-based Neural Networks for User Response Prediction
• wide&deep
• 【11】大数据-相关文档
• MySQL_5.5中文参考手册
• NumPy学习指南（第2版）
• Pandas官方文档中文版
• Python3.10官方文档中文版