Hioneowner's Stars
liguodongiot/llm-action
本项目旨在分享大模型相关技术原理以及实战经验(大模型工程化、大模型应用落地)
DSXiangLi/Paper_CausalInference_abtest
因果推理&AB实验相关论文小书库
cbamls/AI_Tutorial
精选机器学习,NLP,图像识别, 深度学习等人工智能领域学习资料,搜索,推荐,广告系统架构及算法技术资料整理。算法大牛笔记汇总
shenweichen/AlgoNotes
【浅梦学习笔记】文章汇总:包含 排序&CXR预估,召回匹配,用户画像&特征工程,推荐搜索综合 计算广告,大数据,图算法,NLP&CV,求职面试 等内容
vegetable-most/recommend-system-based-on-PyTorch
该项目使用经典的电影推荐数据集ml-100k并基于PyTorch实现《深度学习推荐系统(王喆著)》的部分经典模型
Hioneowner/recome_wan
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。
zhongqiangwu960812/AI-RecommenderSystem
该仓库尝试整理推荐系统领域的一些经典算法模型
Doragd/Algorithm-Practice-in-Industry
搜索、推荐、广告、用增等工业界实践文章收集(来源:知乎、Datafuntalk、技术公众号)
hurhu/recommendation-pytorch
基于王喆老师的深度学习推荐系统书籍,主要用pytorch实现了里面涉及到的算法,有很少数量的算法是用tf2.0实现的。在这个过程中也参考很多大佬的复现代码,希望自己能持续学习 多多去实现。
Gavince/Recommend-System
深度学习与推荐系统学习,理论结合代码更香。
niejianfei/Kaggle_OTTO_Multi-Objective_Recommender_System
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
datawhalechina/fun-rec
推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/
luweiagi/machine-learning-notes
This is the notes of the way of machine learning study. You may find something useful in it.
unclestrong/DeepLearning_LHY21_Notes
深度学习 李宏毅 2021 学习笔记
fengdu78/deeplearning_ai_books
deeplearning.ai(吴恩达老师的深度学习课程笔记及资源)
datawhalechina/leedl-tutorial
《李宏毅深度学习教程》(李宏毅老师推荐👍,苹果书🍎),PDF下载地址:https://github.com/datawhalechina/leedl-tutorial/releases
Sophia-11/Machine-Learning-Notes
周志华《机器学习》手推笔记
peppermint-w/scikit-learn-of-TsaiTsai
菜菜的机器学习课堂笔记
lamipaul/lThreadsJava
xiaogp/customer_churn_prediction
零售电商客户流失模型,基于tensorflow,xgboost4j-spark,spark-ml实现LR,FM,GBDT,RF,进行模型效果对比,离线/在线部署方式总结
DA-southampton/Tech_Aarticle
主要是我是日常看过的不错的文章的资源汇总,方便自己也分享给大家。有些我看过的,就会做简单的解读,没看过的,就先罗列一下,然后之后看了把解读更新上;涉及到搜索/推荐/自然语言处理。
hecongqing/TensorFlow2.0-Notes
Tensorflow 2.0 Notes 提供了TF2.0案例实战以及TF2.0基础实战,目标是帮助那些希望和使用Tensorflow 2.0进行深度学习开发和研究的朋友快速入门,其中包含的Tensorflow 2.0教程基本通过测试保证可以成功运行(有问题的可以提issue,笔记网站正在建设中)。
CrazyXiao/machine-learning
python,机器学习笔记,machine learning,nlp
ciecus/music_lgb_recommend_kkbox
use lightgbm to recommend music,and the benchmark dataset is kkbox dataset wsdm2018
wubinzzu/NeuRec
Next RecSys Library
Hioneowner/Refresher
Simple and easy to use library with Pull to refresh in Swift.