人工智能与机器学习：淘宝、抖音的推荐系统与算法原理
Recommender Systems Algorithms: An Introduction
课题背景
大数据时代传统推荐系统已逐渐落幕，如何提升用户体验，推荐算法的优化必不可少。个性化推荐，是指通过分析、挖掘用户行为，发现用户的个性化需求与兴趣特点，将用户可能感兴趣的信息或商品推荐给用户。推荐算法已经应用到了各个领域的网站中，包括图书、音乐、视频、新闻、电影、地图等等。而电子商务的应用近年来逐渐普及，Amazon.com、ebay.com、Staples.com、当当网、豆瓣图书、淘宝网等都使用了电子商务推荐系统，推荐系统不止给这些互联网商家带来了巨大的附加利益，同时也提高了用户满意度，增加了用户黏性。
课题内容
本课程会涉及推荐系统中最为核心的推荐算法内容，了解Amazon,Netflix,Spotify,Youtube的获客法宝。他们如何根据用户过去的经验和其他用户的经验，向用户推荐他们可能喜欢的东西。这一算法并不简单，预测用户购买动作和喜好需要采用许多计算方法，只有最终预测出用户可能的理想操作才算成功。本课程将利用线性代数和机器学习的方法来设计成功的算法，学会为用户预测理想的和可操作的项目。
如果你是
想要学习机器学习，数据科学，推荐系统，自然语言处理相关方向的高中生或本科生，有一定的数学线性代数以及矩阵的基础。
项目设置
项目收获
推荐信：符合项目成绩要求的优秀学员有机会获得教授亲自使用邮箱提交推荐信;
成绩单：教授将开具符合学生项目表现的成绩单;
学术评估：教授亲笔签署的学术评估;
论文发表：EI/CPCI/SCOPUS或同等级别会议参会证明与论文发表指导;
结业证书：被世界范围内的高校广泛认可。
