Hello-MLClub / recommend-Algorithm-PracticeLinks
本项目分享各种类型的推荐算法及实战代码,小白也可轻松掌握
☆27Updated 2 years ago
Alternatives and similar repositories for recommend-Algorithm-Practice
Users that are interested in recommend-Algorithm-Practice are comparing it to the libraries listed below
Sorting:
- 基于天池新闻推荐赛数据集实现的新闻推荐☆38Updated last year
- 搜广推学习笔记:王树森“推荐系统”课程☆182Updated last year
- 零基础入门推荐系统 - 新闻推荐 Top2☆356Updated 4 years ago
- kaggle比赛—otto多目标推荐系统源代码,单模型分数0.594,LB排名30左右☆78Updated 2 years ago
- 天池大赛——新闻推荐场景下的用户行为预测挑战赛,SOLO赛,B榜排名5/5338☆67Updated 4 years ago
- 总结了小红书博主算法小小怪在学习LLM和推荐系统的笔记☆89Updated this week
- 推荐系统八股160问☆236Updated 9 months ago
- 该仓库记录搜索推荐算法工程师的必备面试知识点+paper☆321Updated last year
- ☆82Updated last year
- 机器学习,深度学习八股☆189Updated 9 months ago
- 深度学习与推荐系统学习,理论结合代码更香。☆159Updated 3 years ago
- ☆33Updated 8 months ago
- Finalist solution for the 2025 Tencent Advertising Algorithm Competition (Generative Recommendation Challenge)☆104Updated last month
- 零基础入门推荐系统 - 新闻推荐 Top2☆36Updated 9 months ago
- 一份通俗易懂的搜索、推荐、广告算法教程,同时不缺乏趣味和深度☆89Updated 3 weeks ago
- 天池学习赛 零基础入门推荐系统 正式赛 第三名(0.2592) 开源代码☆61Updated 4 years ago
- 用pytorch 方法复现了二十多个经典的推荐算法论文,其中包含排序论文和推荐召回论文,并在demo里面选了一个召回模型和排序模型的运行示例。☆84Updated 2 years ago
- recommendation system practice course from deepshare☆19Updated 8 months ago
- 优质的推荐算法资源汇总☆173Updated 4 years ago
- 基于movielens-25m数据集的生成式推荐项目☆21Updated 5 months ago
- 利用大模型赋能智能推荐,通过案例讲解大模型推荐算法原理,并且给出代码实现。☆99Updated 10 months ago
- TAAC2025初赛第十四名O_o队伍代码☆55Updated 2 months ago
- AI算法岗求职攻略(涵盖校招时间表、准备攻略(社招和校招)、刷题指南、内推和 AI 公司清单、求职算法必备资料等),算法方向涉及:机器学习、深度学习、计算机视觉、自然语言处理和搜广推等☆21Updated last year
- https://tianchi.aliyun.com/competition/entrance/531842/introduction☆45Updated 3 years ago
- ☆28Updated last year
- 算法岗笔试面试大全,励志做算法届的《五年高考,三年模拟》!☆684Updated 9 months ago
- Awesome Generative Recommendation papers primarily focused on industry-level applications.☆196Updated last week
- 推荐算法实战(Recommend algorithm)☆224Updated 6 months ago
- Paper阅读记录博客(基于GitHub Action和GitHub Issue实现)。☆57Updated 3 months ago
- 移动推荐算法,以阿里巴巴移动电商平台的真实用户-商品行为数据为基础,同时提供移动时代特有的位置信息,希望你能够挖掘数据背后丰富的内涵,为移动用户在合适的时间、合适的地点精准推荐合适的内容。☆21Updated last year