使用MaxCompute搭建社交好友推薦系統
好友關係是社交網路的重要組成部分,如何在新使用者加入的時候給其推薦好友是一個難點,好友推薦系統就是為了解決這個難點而產生的。
本課程通過使用阿里雲大資料計算服務MaxCompute在本地開發和測試好友推薦的程式,並使用大資料開發套件DataIDE將好友推薦系統部署到雲端並執行。本認證可以幫助學員瞭解如何使用阿里雲大資料計算服務快速搭建企業級的社交好友推薦系統,掌握使用雲端相關大資料服務進行開發和測試的能力。
課程目標:
- 瞭解社交好友推薦系統工作的原理
- 使用MaxCompute外掛進行本地資料開發
- 使用DataIDE開發資料分析任務
課時介紹:
- 內容和學習目標介紹
本節主要介紹課程概覽和學習目標,幫助學員瞭解課程要點及學習方向。
- 社交好友推薦系統的介紹
本節主要介紹社交好友推薦系統的作用和目的,幫助學員對好友推薦系統有一個初步的瞭解。
- 社交好友推薦系統的實現方式
本節主要介紹社交好友推薦系統的實現原理,幫助學員瞭解好友推薦系統背後的計算模型。
- 阿里雲相關大資料服務的介紹
本節主要介紹好友推薦系統使用的大資料服務,並分別講解其功能和使用場景,幫助學員瞭解如何靈活地使用相關產品。
- 相關大資料服務的演示
本節主要介紹大資料計算服務MaxCompute和大資料開發套件DataIDE的使用,讓學員瞭解如何在實際工作中去開通和使用相關的大資料服務。
- 搭建社交資料分析的好友推薦系統任務的介紹
本節通過一個案例來介紹如何使用阿里雲的大資料服務來實現好友推薦系統的流程及操作步驟,指導學員完成本認證中的線上實驗。
- 【線上實驗】搭建社交資料分析的好友推薦系統
本實驗主要聚焦於如何使用MaxCompute進行好友推薦系統的開發實戰。
更多精品課程:
阿里雲大學官網(阿里雲大學 - 官方網站,雲生態下的創新人才工場)
相關文章
- 搭建推薦系統快速入門,只需五步!
- 【推薦系統篇】--推薦系統之訓練模型模型
- 【推薦系統篇】--推薦系統之測試資料
- Flink + 強化學習 搭建實時推薦系統強化學習
- 推薦系統概述
- python 推薦系統Python
- 《推薦系統實踐》筆記 01 推薦系統簡介筆記
- php多使用者商城系統推薦PHP
- 推薦系統論文之序列推薦:KERL
- 推薦系統一——深入理解YouTube推薦系統演算法演算法
- 【推薦系統篇】--推薦系統介紹和基本架構流程架構
- 推薦系統入門之使用協同過濾實現商品推薦
- 《推薦系統》-DIN模型模型
- 《推薦系統》-PNN模型模型
- 推薦系統概念篇
- 雲音樂推薦系統(二):推薦系統的核心演算法演算法
- Mahout的taste推薦系統引擎(影片推薦案例)AST
- 【推薦演算法】推薦系統的評估演算法
- 系統設計:使用Scala、Spark和Hadoop構建推薦系統SparkHadoop
- 推薦系統工程架構架構
- 《推薦系統》-Wide&DeepIDE
- 推薦系統 task 1 @datawhale
- 【推薦系統】GBDT+LR
- 如何構建推薦系統
- Spark推薦系統實踐Spark
- 推薦系統實踐學習系列(三)推薦系統冷啟動問題
- 跨域社交推薦:如何透過使用者社交資訊“猜你喜歡”?跨域
- Netflix推薦系統(Part two)-系統架構架構
- 推薦系統應該如何保障推薦的多樣性?
- PredictionIO:開源的推薦系統
- Netflix 推薦系統(Part Six)-To Be Continued
- python酒店相似度推薦系統Python
- 推薦系統研究-筆記(1)筆記
- 序列推薦系統的前世今生
- 推薦系統技術概覽
- 分期商城實時推薦系統
- 推薦系統的評估方法
- 【推薦系統篇】--推薦系統之之特徵工程部分---構建訓練集流程特徵工程