最新章节
4-8 基于Spark的item-based协同过滤(下) 16
4-7 基于Spark的item-based协同过滤(上) 16
4-6 基于Spark的user-based协同过滤(下) 16
4-5 基于Spark的user-based协同过滤(上) 16
4-4 协同过滤的数学知识:余弦相似度 16
4-3 协同过滤的数学知识:梯度下降法 16
4-2 协同过滤的数学知识:最小二乘法 16
4-1 本章作业 16
3-1 推荐系统涉及的数学知识 16
3-2 推荐系统涉及的概率统计知识 16
2-4 推荐系统效果评测 16
2-3 推荐系统常见的问题 16
2-2 推荐算法的主要分类 16
1-2 怎么更好的使用慕课平台 16
2-1 推荐系统的关键元素和思维模式 16
1-3 你真的会问问题吗? 16
1-1 课程介绍及导学 16
7-10 面试点:Consumer Rebalance解析 16
7-9 面试点:Consumer限流 16
7-8 Consumer控制offset起始位置 16
7-7 Consumer多线程并发处理 16
7-6 Consumer手动控制一到多个分区 16
7-5 Consumer单Partition提交offset 16
7-4 Consumer演示观后感 16
7-1 Consumer介绍 16
7-3 Consumer之手动提交 16
7-2 Consumer之HelloWorld 16
6-14 微信小程序编译部署 16
6-13 微信小程序部署准备工作 16
6-12 阿里云部署微信小程序后端 16