추천 시스템 입문부터 숙달까지, 이 프로젝트는 산업 등급 추천 시스템에 대한 이론적 지식(Wang Shusen의 추천 시스템 공개 강좌 - Xiaohongshu 시나리오를 기반으로 업계의 실제 추천 시스템을 설명), 방법을 포괄적으로 소개합니다. TensorFlow2를 기반으로 모델을 훈련하고 고성능, 높은 동시성 및 고가용성을 갖춘 Golang 추론 마이크로서비스를 달성하는 방법을 설명합니다. Sklean 및 TensorFlow 프로그래밍 기본 사항도 있습니다. 딥러닝 기반의 산업 추천 시스템 이론, TensorFlow2 기반의 모델 학습 방법, Golang 기반의 고성능, 고동시성, 고가용성 추론 서비스 구현 방법을 종합적으로 소개했습니다.
참고: 첫 번째 부분에 대한 이론적 지식은 이 창고에 있으며 두 번째, 세 번째 및 네 번째 부분의 코드는 다른 창고에 있습니다. 링크를 클릭하면 이동합니다.
Github 사이트의 하이퍼링크를 통해 Jupyter Notebook 파일을 열었을 때 오류가 발생하는 경우, https://nbviewer.org를 기반으로 생성된 '백업 링크'를 클릭하여 해당 파일에 간접적으로 접근할 수 있습니다.
또는 다음 링크를 통해 전체 프로젝트의 오프사이트 백업 링크에 액세스합니다. 오프사이트 백업 링크에서 Jupyter Notebook 형식이 아닌 파일을 클릭하면 Github 저장소로 다시 이동됩니다.
● 추천자_시스템
Wang Shusen의 추천 시스템 공개 강좌 - Xiaohongshu의 시나리오를 바탕으로 업계의 실제 추천 시스템을 설명하고 노트를 읽습니다.
● 추천 시스템 링크 (대체 링크) ]
● AB 테스트 (대체 링크)
● 항목 기반 협업 필터링(ItemCF) (대체 링크)
● 스윙 리콜 채널 (대체 링크)
● 사용자 기반 협업 필터링(UserCF) (대체 링크)
● 이산 특성 처리 (대체 링크)
● 매트릭스 보충자료 (대체 링크)
● 트윈 타워 모델: 모델 및 교육 (대체 링크)
● 2타워 모델: 양성 샘플과 음성 샘플 (대체 링크)
● Twin Towers 모델: 온라인 리콜 및 업데이트 (대체 링크)
● 트윈 타워 모델 + 자기 지도 학습 (대체 링크)
● 심층 검색 회상 (대체 링크)
● 기타 리콜 채널 (대체 링크)
● 노출 필터 및 블룸 필터 (대체 링크)
● 다중 목표 순위 모델 (대체 링크)
● MMoE (대체 링크)
● 예상 점수 융합 (대체 링크)
● 동영상 재생 모델링 (대체 링크)
● 순위모델의 특징 (대체 링크)
● 대략적인 레이아웃 모델 (대체 링크)
● 팩토라이저 FM (대체 링크)
● 딥 크로스 네트워크 DCN (대체 링크)
● LHUC 네트워크 구조 (대체 링크)
● SENet 쌍선형 교차 (대체 링크)
● 사용자 행동 시퀀스 모델링 (대체 링크)
● DIN 모델(주의 메커니즘) (대체 링크)
● SIM 모델(긴 시퀀스 모델링) (대체 링크)
● 항목 유사성 측정 및 다양성 개선 방안 (대체 링크)
● MMR 다양성 알고리즘 (대체 링크)
● 비즈니스 규칙의 제약을 받는 다양성 알고리즘 (대체 링크)
● DPP 다양성 알고리즘(1부) (대체 링크)
● DPP 다양성 알고리즘(2부) (대체 링크)
● 최적화 목표 및 평가 지표 (대체 링크)
● 단순 리콜 채널 (대체 링크)
● 클러스터 리콜 (대체 링크)
● 유사 회상 (대체 링크)
● 교통 통제 (대체 링크)
● 콜드 스타트 AB 테스트 (대체 링크)
● 개요 (대체 링크)
● 리콜 (대체 링크)
● 정렬 (대체 링크)
● 다양성 (대체 링크)
● 특징적인 사용자 그룹 (대체 링크)
● 대화형 동작(팔로우, 전달, 댓글 달기) (대체 링크)
"DNN_for_YouTube_Recommendations" 모델과 영화 등급 데이터 세트(ml-1m)를 기반으로 TensorFlow2 기반 추천 시스템 순위 모델을 구현하는 방법을 자세히 보여줍니다.
● YouTube 심층 순위 모델(다중 가치 임베딩, 다중 목표 학습)
Goalng, Docker 및 마이크로서비스 아이디어를 기반으로 다양한 리콜/정렬 서비스를 포함한 고동시성, 고성능, 고가용성 추천 시스템 추론 마이크로서비스를 구현하고 다양한 인터페이스 접근 방식(REST, gRPC 및 Dubbo) 등 매일 수천만 건의 추론 요청을 처리할 수 있습니다.
● 마이크로서비스 Golang을 추론하는 추천 시스템
● 머신러닝 Sklearn 입문 튜토리얼 ● 딥 러닝 TensorFlow 입문 튜토리얼
