xufengtt / recom_teach_codeLinks
☆76Updated last year
Alternatives and similar repositories for recom_teach_code
Users that are interested in recom_teach_code are comparing it to the libraries listed below
Sorting:
- 零基础入门推荐系统 - 新闻推荐 Top2☆329Updated 4 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☆62Updated 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☆74Updated 2 years ago
- 推荐系统八股160问☆187Updated 8 months ago
- 机器学习，深度学习八股☆156Updated 8 months ago
- 搜广推学 习笔记：王树森“推荐系统”课程☆160Updated last year
- 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。☆98Updated 9 months ago
- https://tianchi.aliyun.com/competition/entrance/531842/introduction☆42Updated 3 years ago
- deepmatch模型使用天池新闻推荐大赛数据☆14Updated last year
- 该仓库记录搜索推荐算法工程师的必备面试知识点+paper☆307Updated last year
- 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。☆83Updated 2 years ago
- 零基础入门推荐系统 - 新闻推荐 Top2☆30Updated 8 months ago
- 🔥🔥🔥从零使用pytorch构建电影推荐系统，基于MovieLens数据集，实现了多种召回排序相关模型：DSSM、CF、MF、DeepWalk、Item2Vec，LR、Wide&Deep、DeepFM、DCNv1、DCNv2、DIN、MMoE、PLE。欢迎大家进行st…☆37Updated 2 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☆60Updated 4 years ago
- A Lighting Pytorch Framework for Recommendation Models (PyTorch推荐算法框架), Easy-to-use and Easy-to-extend. https://datawhalechina.github.io/…☆628Updated this week
- 基于天池新闻推荐赛数据集实现的新闻推荐☆29Updated 11 months ago
- 深度学习与推荐系统学习，理论结合代码更香。☆153Updated 3 years ago
- 优质的推荐算法资源汇总☆169Updated 3 years ago
- 推荐系统论文算法实现，包括序列推荐，多任务学习，元学习等。 Recommendation system papers implementations, including sequence recommendation, multi-task learning, met…☆247Updated 2 years ago
- 代码随想录刷题思路总结（含代码）☆30Updated last year
- 推荐算法实战(Recommend algorithm)☆221Updated 5 months ago
- ☆222Updated 6 months ago
- 练习下用pytorch来复现下经典的推荐系统模型, 如MF, FM, DeepConn, MMOE, PLE, DeepFM, NFM, DCN, AFM, AutoInt, ONN, FiBiNET, DCN-v2, AFN, DCAP等☆662Updated 3 years ago
- 详细介绍知名大厂在搜索、推荐、广告等工业界的实践、前沿论文、技术干货分享☆19Updated last year
- 集成学习思维导图☆20Updated 2 years ago
- ☆32Updated 6 months ago
- ☆112Updated 4 years ago
- ☆25Updated 11 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。☆20Updated last year
- 《互联网大厂推荐算法实战》资料库☆301Updated 2 years ago