首页>课程更新>大数据商品推荐技术,快来围观!《大数据》第19阶段更新

大数据商品推荐技术,快来围观!《大数据》第19阶段更新

大数据全系列

 

本次更新内容为大数据第十九阶段:推荐系统项目

 

一、项目介绍

商品推荐是在大数据处理场景中经常使用到的技术,此项目根据推荐系统思想中的协同过滤思想及网站用户隐式数据反馈实现手机app推荐,项目中涉及到协同过滤思想理论基础、逻辑回归模型使用、推荐列表生成一整套推荐系统实战流程。

二、技术选型

推荐系统中使用到的技术如下:

HDFS、Hive、Redis、Spark、SparkMLlib、SpringBoot、Dubbo、zookeeper

三、项目核心功能模块

1)模型数据ETL清洗

2)推荐系统结构设计与流程设计

3)逻辑回归模型关联特征与基本特征选取

4)模型参数保存

5)Dubbo实时在线推荐

 

适合人群:

1)掌握推荐系统协同过滤思想

2)掌握逻辑回归算法原理及使用

3)掌握Spark编程及Spark Mllib 机器学习库

4)掌握Hive数据仓库原理及使用

5)掌握Redis原理及使用

6)掌握Kylin原理及使用

7)掌握Java 编程及web框架原理

 

第一章 推荐系统架构原理

01_推荐系统_推荐系统介绍

02_推荐系统_基于用户的协同过滤思想

03_推荐系统_基于商品的协同过滤思想

04_推荐系统_基于用户及基于商品协同过滤思想总结

05_推荐系统_App推荐系统原理 01

06_推荐系统_App推荐系统原理 02

07_推荐系统_App推荐案例计算分析

08_推荐系统_推荐系统中冷启动问题

09_推荐系统_推荐系统lambda架构

10_推荐系统_App推荐系统架构

 

第二章 推荐系统流程实现

01_推荐系统_三种表数据模拟

02_推荐系统_Hive创建对应表及数据加载

03_推荐系统_Hive 数据表 ETL 预处理获取数据中间表 01

04_推荐系统_Hive 数据表 ETL 预处理获取数据中间表 02

05_推荐系统_Hive 模型特征表获取分析

06_推荐系统_python处理Hive数据文件代码编写

07_推荐系统_python处理Hive表数据及数据导出

08_推荐系统_特征工程获取训练集全量特征

09_推荐系统_特征工程&训练模型获取模型文件

10_推荐系统_推荐服务_数据准备

11_推荐系统_推荐服务_推荐服务介绍

12_推荐系统_推荐服务_dubbo-provider端介绍

13_推荐系统_推荐服务_dubbo-consumer端介绍

14_推荐系统_推荐服务_推荐服务代码

 

 

 

另附各章节课程资料

 


百战程序员微信公众号

百战程序员微信小程序

©2014-2024 百战汇智(北京)科技有限公司 All Rights Reserved 北京亦庄经济开发区科创十四街 赛蒂国际工业园
网站维护:百战汇智(北京)科技有限公司
京公网安备 11011402011233号    京ICP备18060230号-3    营业执照    经营许可证:京B2-20212637