知识管理 知识管理
首页
  • 前端文章

    • JavaScript
    • HTML
    • CSS
  • 学习笔记

    • 《JavaScript教程》
    • 《JavaScript高级程序设计》
    • 《ES6 教程》
    • 《Vue》
    • 《React》
    • 《TypeScript 从零实现 axios》
    • TypeScript
    • JS设计模式总结
  • 技术文档

    • Git使用手册
    • Markdown使用教程
    • npm常用命令
    • npm packageJson属性详解
    • yaml语言教程
  • 前端面试

    • 前端面试手册
  • 计算机基础

    • 数据库
    • 操作系统
    • 计算机网络
    • Linux
  • Java

    • Java基础
  • 数据结构与算法

    • 数据结构
  • 编程标准

    • 设计模式
    • 代码规范
  • 学习笔记

    • AI学习笔记
  • 推荐系统

    • 机器学习基础
    • 基础推荐算法
    • 深度推荐模型
    • 推荐系统竞赛实践
    • 新闻推荐系统实战
    • 推荐系统面经
  • 计算机视觉

    • 三维重建
关于
收藏
友链
  • 分类
  • 标签
  • 归档
GitHub (opens new window)

Francis

人一定要想象西西弗斯的快乐,因为向着高处挣扎本身足以填满一个人的心灵。
首页
  • 前端文章

    • JavaScript
    • HTML
    • CSS
  • 学习笔记

    • 《JavaScript教程》
    • 《JavaScript高级程序设计》
    • 《ES6 教程》
    • 《Vue》
    • 《React》
    • 《TypeScript 从零实现 axios》
    • TypeScript
    • JS设计模式总结
  • 技术文档

    • Git使用手册
    • Markdown使用教程
    • npm常用命令
    • npm packageJson属性详解
    • yaml语言教程
  • 前端面试

    • 前端面试手册
  • 计算机基础

    • 数据库
    • 操作系统
    • 计算机网络
    • Linux
  • Java

    • Java基础
  • 数据结构与算法

    • 数据结构
  • 编程标准

    • 设计模式
    • 代码规范
  • 学习笔记

    • AI学习笔记
  • 推荐系统

    • 机器学习基础
    • 基础推荐算法
    • 深度推荐模型
    • 推荐系统竞赛实践
    • 新闻推荐系统实战
    • 推荐系统面经
  • 计算机视觉

    • 三维重建
关于
收藏
友链
  • 分类
  • 标签
  • 归档
GitHub (opens new window)
  • 计算机视觉

  • 推荐系统

    • 机器学习基础

    • 基础推荐算法

    • 深度推荐模型

      • readme
        • NeuralCF
        • DeepCrossing
        • PNN
        • Wide&Deep
        • DeepFM
        • NFM
        • DCN
        • AFM
        • DIN
        • DIEN
        • 多任务学习
      • 推荐系统竞赛实践

      • 新闻推荐系统实战

      • 推荐算法面经

    • AI
    • 推荐系统
    • 深度推荐模型
    IdealDestructor
    2021-12-12

    readme

    # 组队学习计划

    # 基本信息

    • 贡献人员:罗如意、吴忠强、田雨,宁彦吉, 何世福、徐何军、赖敏材、刘纪川
    • 学习周期:15天
    • 学习形式:理论+实践;完成学习打卡
    • 人群定位:了解机器学习基础, 了解推荐系统基础(参加过以往的推荐系统组队学习),了解TF2 keras的基本用法
    • 难度系数:中等

    # 学习目标

    熟悉经典深度学习模型的原理及代码实现(考虑到内容太多,这里选择了部分模型进行组队学习)。

    # 环境配置

    Tensorflow2.x

    所有代码在colab上以默认配置跑没有问题。如果自己电脑可以装tf2.x,也可以在自己的电脑上完成代码实战

    # 学习计划

    # Task00:熟悉规则(1天)
    • 组队、修改群昵称
    • 熟悉打卡规则
    # Task01: DeepCrossing(2天)
    • 完成模型理论学习及代码实现
    • 完成思考题
    # Task02: Wide&Deep(2天)
    • 完成模型理论学习及代码实现
    • 完成思考题
    # Task03: DeepFM(3天)
    • 完成模型理论学习及代码实现
    • 完成思考题
    # Task04: NFM(3天)
    • 完成模型理论学习及代码实现
    • 完成思考题
    # Task05: DIN(3天)
    • 完成模型理论学习及代码实现
    • 完成思考题
    编辑 (opens new window)
    上次更新: 2022/01/04, 02:41:54
    GBDT+LR
    NeuralCF

    ← GBDT+LR NeuralCF→

    最近更新
    01
    前端基础及Vue实战
    01-04
    02
    flask简介及基础
    01-04
    03
    前后端交互
    01-04
    更多文章>
    Theme by Vdoing | Copyright © 2022-2022 Francis | MIT License
    • 跟随系统
    • 浅色模式
    • 深色模式
    • 阅读模式
    ×