OpenCourser brand icon
Sign in
We may earn an affiliate commission when you visit our partners.

Python数据分析行业案例：推荐系统

三节课 sanjieke and 张文彤

推荐系统在当今的互联网行业中正在起到不可或缺的作用，本课程基于实际案例，由推荐系统的概念、框架、评估体系等入手，完整实现了推荐系统中应用的各类算法，包括协同过滤、矩阵分解、基于内容的推荐算法、结合文本挖掘（词频矩阵、TF-IDF、word2vec）的推荐算法、关联分析、聚类分析在推荐算法中的应用方式等，相关代码可作为分析模板供学员在工作中直接套用。

【课程特色】

可作为业务分析模板：课程内容完全基于真实业务分析场景构建，提供全部编写的函数工具和源代码，可直接作为同类业务场景中的业务分析模板加以使用。 双案例课程结构：充分考虑到案例代表性和分析需求上的差异化，精选电影评分和云音乐歌单数据这两个业务案例，分别代表rating和non-rating这两类推荐系统将会面对的典型数据类型，更有利于拓展学员的分析能力。

本课程版权归三节课所有，未经书面同意私自录制、转载等行为均属侵权行为。课程内的所有内容，包括但不限于视频、文字、图片均由三节课公司或其他权利人依法拥有其知识产权，包括但不限于著作权、商标权、专利权等。

未经三节课公司的明确书面特别授权，任何人不得为任何目的使用以及向任何自然人或单位提供出售、营销、出版或利用三节课官网上提供的任何内容或服务。如有违反，您将承担由此给三节课公司或其他权利人造成的一切损失。

Enroll now

What's inside

Learning objectives

  • 帮助学员快速掌握互联网背景推荐系统的实战操作
  • 帮助学员学会熟练应用pandas、sklearn等接口编程
  • 快速掌握推荐系统应用中的各类算法
  • 帮助学员产出实际可应用的业务分析模板，为后续工作带来便捷

Syllabus

课程导读
课程简介
讲师介绍
课程大纲
Read more
推荐系统综述
课程介绍
为什么会出现推荐系统
推荐系统的常见形式
推荐系统算法的基本思路
推荐系统评测的三大步骤
怎样才能算一个好的推荐系统？
推荐系统模型评估：准确率
推荐系统模型评估：其他指标
推荐系统常用的相似度指标
推荐系统中的一些基础模型
电影评分数据集简介
网易云音乐数据集简介
云音乐数据集的预处理
Suprise包使用入门
suprise包简介
suprise包实战：读取数据
suprise包实战：数据拆分
suprise包实战：模型的拟合与评估
suprise包实战：模型的拟合与评估将模型结果用于推荐
协同过滤
协同过滤概述
ItemCF方法
UserCF方法
ml100k案例：筛选算法框架
ml100k案例：模型参数调优
ml100k案例：将模型结果用于推荐
矩阵分解
SVD的基本原理
如何将SVD用于推荐系统
VDpp与NMF
SVD案例
基于内容的推荐算法
CB方法的基本原理
词袋模型
用sklearn生成文档-词条矩阵
ml案例：基于词频矩阵
关键词提取的基本思路
TF- IDF算法
ml案例：基于TF-IDF实现
结合文本挖掘进行推荐
如何将文本挖掘技术和内容推荐相结合
分词原理讲解
结巴分词的基本用法
使用自定义词典和搜狗细胞词库
去除停用词
云音乐案例：基于词袋模型进行推荐
从词袋模型到N-gram模型
文本信息的分布式表示
共现矩阵
NNLM模型的突破
Word2vec一出，满座皆惊
文档相似度的doc2vec实现
云音乐案例：基于词向量模型进行推荐
基于列表序列进行推荐
如何基于列表序列进行推荐
云音乐案例：基于关联分析进行推荐
云音乐案例：基于Word2vec进行推荐
聚类方法在推荐系统中的应用
聚类分析概述
聚类分析的方法分类
BIRCH聚类
聚类分析在推荐系统中的应用思路
云音乐案例：聚类分析的数据准备
云音乐案例：具体建模操作
冷启动问题
冷启动概述
用户冷启动的实现案例
物品冷启动的实现案例
课程回顾
课后寄语

Save this course

Save Python数据分析行业案例：推荐系统 to your list so you can find it easily later:
Save

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Python数据分析行业案例：推荐系统 with these activities:
阅读《推荐系统实践》
阅读推荐系统领域的经典书籍，了解推荐系统的理论基础和实践经验。
View 推荐系统实践 on Amazon
Show steps
  • 通读《推荐系统实践》一书。
  • 重点关注协同过滤、矩阵分解等章节。
  • 思考如何将书中的知识应用到实际案例中。
练习Pandas和sklearn的使用
通过练习Pandas和sklearn的常用函数和方法，提高数据处理和模型构建的能力。
Show steps
  • 使用Pandas读取和处理数据集。
  • 使用sklearn构建和评估推荐模型。
  • 尝试不同的参数组合，优化模型性能。
撰写推荐系统算法总结
总结课程中介绍的各种推荐系统算法，包括协同过滤、矩阵分解、基于内容的推荐等，并比较它们的优缺点。
Show steps
  • 回顾课程内容，整理各种推荐算法的原理。
  • 比较不同算法的优缺点和适用场景。
  • 撰写总结报告，并配以图表说明。
Three other activities
Expand to see all activities and additional details
Show all six activities
构建简单的电影推荐系统
通过构建一个简单的电影推荐系统，将课程中所学的知识应用到实际项目中，加深理解和掌握。
Show steps
  • 选择一个电影数据集。
  • 使用协同过滤或矩阵分解算法构建推荐模型。
  • 评估模型的性能，并进行优化。
  • 将模型部署到本地或云端。
阅读《集体智慧编程》
通过阅读《集体智慧编程》，了解更多推荐系统相关的算法和技术。
View Programming Collective Intelligence on Amazon
Show steps
  • 阅读《集体智慧编程》中关于推荐系统的章节。
  • 理解书中的算法原理和实现方法。
  • 尝试将书中的代码移植到Python 3。
参与开源推荐系统项目
参与开源推荐系统项目，例如Surprise等，贡献代码、文档或测试用例，提高实践能力和协作能力。
Show steps
  • 选择一个感兴趣的开源推荐系统项目。
  • 阅读项目的文档和代码。
  • 尝试修复bug或添加新功能。
  • 提交代码或文档，参与项目讨论。

Career center

Learners who complete Python数据分析行业案例：推荐系统 will develop knowledge and skills that may be useful to these careers:

Reading list

We've selected two books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in Python数据分析行业案例：推荐系统.
推荐系统实践
Save
本书系统地介绍了推荐系统的基本概念、常用算法和工程实践。它涵盖了协同过滤、内容推荐、矩阵分解等多种推荐算法，与本课程的内容高度相关。阅读本书可以帮助学生更深入地理解推荐系统的原理和应用，并为实际项目开发提供参考。本书也提供了很多案例，可以帮助学生更好地理解推荐系统的实际应用。
推荐系统实践
Paperback
Check
推荐系统实践
Kindle Edition
Check
Cover image
Programming Collective Intelligence
Save
本书介绍了多种集体智慧算法，包括推荐系统、搜索算法、聚类算法等。虽然书中的代码使用Python 2，但算法思想仍然具有很高的参考价值。阅读本书可以帮助学生了解推荐系统之外的其他集体智慧应用，并拓展视野。本书的重点在于算法的实现，可以帮助学生更好地理解算法的细节。
Programming Collective Intelligence
Paperback
Check
Programming Collective Intelligence
Kindle Edition
Check

Share

Help others find this course page by sharing it with your friends and followers:
Facebook
LinkedIn
Reddit
X
Link
Email

Similar courses

Similar courses are unavailable at this time. Please try again later.
Effort
11.5 total hours
Via
Udemy
Instructors
三节课 sanjieke
张文彤
Language
中文
Share and help others discover this course.
Facebook LinkedIn X Reddit Link Email
Don't miss out
Enroll today to gain access to this course
Enroll in this course
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2025 OpenCourser