推荐系统

课程介绍：

推荐系统是当今应用最广和最成功的机器学习系统。最早的推荐系统诞生于亚马逊，广受消费者好评。之后逐渐被各路电商企业仿效学习，现在已经成为电商标配。推荐系统在社交网站里也应用广泛，相信大家对某些社交工具的好友推荐的精准度感觉到由衷的赞叹。推荐系统可以提高用户体验，给用户“机器系统居然能知道我个人喜好”的震撼感觉，同时也通过向用户提供更丰富更合适的商品来赢取订单和更多的销售额，充分体现“数据是企业核心价值”的时代潮流。各种推荐系统设计和改进，是电商企业和社交网站的当务之急，这里也产生了大量的人才需求。

推荐系统在院校几乎很少能成为一个单独的专业，大部分人都是半路出家。构建者可能有数据分析师，更多的是IT人，受命建设一个全新的系统，面对全新的陌生的领域，很多人会感到自己知识贫乏，无从下手。对于构建一个推荐系统，这里面既有算法设计的问题，也有大数据计算和实时性要求的问题，如果不具备全面的知识，恐怕难以设计出一个完美的系统。在炼数成金已经开课的Hadoop案例，Mahout，机器学习，NoSQL等课程里，曾经零散地涉及与推荐系统设计实现有关的知识点，吸引了不少学员的兴趣，我们也经常收到学员关于推荐系统方面的咨询问题。由此萌生了将这些分布在各个课程里的内容聚合成体系化的专门课程，并将意犹未尽的知识点充分讲述的想法，于是就有了这门课。

课程内容：

第1课 推荐系统概述

第2课 最流行的推荐系统：itemCF和userCF

第3课 大数据环境下的itemCF实现

第4课 基于频繁模式的推荐系统，套餐设计

第5课 文本挖掘与标签系统

第6课 基于内容的推荐系统

第7课 社交网络好友推荐，图算法，在图数据库Neo4j上的实现

第8课 用CypheR语言实现好友推荐

第9课 实时推荐系统

授课时间：

课程将于1月23日开课，课程设计共9课，每课看学员接受程度大约1-2周时间，整个课程持续时间预计不超过15周。

授课对象：

本门课是综合算法与IT技术，面向应用领域的课程节点。适合对推荐系统有兴趣的朋友，较好能有一定的算法知识（或者具备能理解算法的数学素养），以及处理大数据的经验（例如hadoop或NoSQL，因为需要用到这些平台去完成计算）。

收获预期：

对于数据分析基础的朋友，可以提高其处理大数据的能力。对于IT基础的朋友，可以通过课程了解机器学习算法的原理与应用，进军大数据分析领域

授课讲师：

tigerfish，ITPUB创始人，炼数成金创始人。中山大学海量数据与云计算研究中心主任。数据库专家，数据分析专家，有丰富的IT领域、数学领域的知识经验。曾经讲授炼数成金上《数据分析、展现与R语言》、《数据分析与SAS》、《Hadoop数据分析平台》等多门受欢迎课程。他将带领他的数据分析团队完成整个授课工作。

点击下方二维码或阅读原文报名课程：