新工科 课程 某电商品牌推荐
课程封面
某电商品牌推荐
大数据
基于真实的某电商用户数据,完成对用户进行品牌推荐的系统设计和工程项目。整个项目由浅入深,引导学生通过随机推荐、热销推荐、以及机器学习建立模型等不同方式设计推荐系统。并要求学生基于对数据的理解,完成从数据导入、数据处理、算法设计,到生成特征、进行模型训练和验证模型的全部过程。 本项目基于真实的用户数据,指导学生完成一个常见的商用推荐系统的设计和开发。一方面能够让学生理解和体验真实的大数据项目中,必须首先要理解问题、理解数据,再对数据进行加工处理后,才能开展适合的分析、建模和开发的工作。
实验列表
  • step1
    实验环境准备
    实验环境准备,服务器初始化,完成下载数据、建立初始数据表并导入数据,为后续实验的做好准备
    查看详情
  • step2
    推荐模型:热销榜TopN (1)
    实践热销榜推荐模型
    查看详情
  • step3
    推荐模型:热销榜TopN (2)
    对模型热销榜推荐模型的效果进行评估
    查看详情
  • step4
    推荐模型:特征工程 (1)
    运用特征工程,实践分析用户行为特征和品牌特征,实现推荐模型。过程包括:特征选择、特征提取、采样、模型训练、模型验证、模型评估,以及最后的实际应用。
    查看详情
  • step5
    推荐模型:特征工程 (2)
    运用特征工程,实践分析用户行为特征和品牌特征,实现推荐模型。过程包括:特征选择、特征提取、采样、模型训练、模型验证、模型评估,以及最后的实际应用。
    查看详情
  • step6
    推荐模型:特征工程 (3)
    运用特征工程,实践分析用户行为特征和品牌特征,实现推荐模型。过程包括:特征选择、特征提取、采样、模型训练、模型验证、模型评估,以及最后的实际应用。
    查看详情
  • step7
    用Oozie实现品牌推荐的工程化
    运用大数据工作流调度工具Oozie,实践工作流的设计、配置、发布、执行和自动调度
    查看详情

如果您想对我们的产品和服务更进一步了解
请用下面的方式和我们联系

电子邮箱:business@yundaxue.org(会在1个工作日之内和您接洽)

联系电话:400-828-1210(周一至周五 9:00-18:00 )