伴随着大数据时代的到来，作为发掘数据规律的重要手段，机器学习已经受到了越来越多的关注。而作为机器学习算法在大数据上的典型应用，推荐系统已成为各行业互联网公司营销体系中不可或缺的一部分，而且已经带来了真实可见的收益。
目前，推荐系统和机器学习已经成为各大公司的发力重点，众多知名公司（如亚马逊、netflix、facebook、阿里巴巴、京东、腾讯、新浪、头条等）都在着眼于将蕴含在庞大数据中的宝藏发掘出来，懂机器学习算法的大数据工程师也成为了新时代最紧缺的人才。
尚硅谷精心打造出了机器学习与推荐系统课程，将机器学习理论与推荐系统项目实战并重，对机器学习和推荐系统基础知识做了系统的梳理和阐述，并通过电影推荐网站的具体项目进行了实战演练，为有志于增加大数据项目经验、扩展机器学习发展方向的工程师提供更好的学习平台。
本课程主要分为两部分，机器学习和推荐系统基础，与电影推荐系统项目实战。
第一部分主要是机器学习和推荐系统基础理论的讲解，涉及到各种重要概念和基础算法，并对一些算法用Python做了实现；
第二部分以电影网站作为业务应用场景，介绍推荐系统的开发实战。其中包括了如统计推荐、基于LFM的离线推荐、基于模型的实时推荐、基于内容的推荐等多个模块的代码实现，并与各种工具进行整合互接，构成完整的项目应用。
通过理论和实际的紧密结合，可以使学员对推荐系统这一大数据应用有充分的认识和理解，在项目实战中对大数据的相关工具和知识做系统的回顾，并且可以掌握基本算法，入门机器学习这一前沿领域，为未来发展提供更多的选择，打开通向算法工程师的大门。
谁适合学:
1. 有一定的 Java、Scala 基础，希望了解大数据应用方向的编程人员
2. 有 Java、Scala 开发经验，了解大数据相关知识，希望增加项目经验的开发人员
3. 有较好的数学基础，希望学习机器学习和推荐系统相关算法的求职人员
〖课程目录〗:
01.尚硅谷_机器学习和推荐系统_课程简介. Z0 C p$ g: U8 `
02.尚硅谷_推荐系统简介_概述
03.尚硅谷_推荐系统简介_推荐系统算法简介 T2 Y, Z5 S, O
04.尚硅谷_推荐系统简介_推荐系统评测: ^4 k- ^9 {1 X
05.尚硅谷_机器学习入门_数学基础（上）& c# U& z6 h# s% L6 i# w
06.尚硅谷_机器学习入门_数学基础（下）$ ?7 m9 L k7 T+ B& P
07.尚硅谷_机器学习入门_机器学习概述! z0 C0 @( ?# `0 B8 l# P5 b/ [
08.尚硅谷_机器学习入门_监督学习（上）
09.尚硅谷_机器学习入门_监督学习（中）
10.尚硅谷_机器学习入门_监督学习（下）; t* [3 B( i* r5 U3 }
11.尚硅谷_机器学习模型和算法_python简介. R% J7 \: \$ b! T, b
12.尚硅谷_机器学习模型和算法_python基础语法（上）
13.尚硅谷_机器学习模型和算法_python基础语法（下）
14.尚硅谷_机器学习模型和算法_线性回归（上）
15.尚硅谷_机器学习模型和算法_线性回归最小二乘代码实现（上）
16.尚硅谷_机器学习模型和算法_线性回归最小二乘代码实现（下）
17.尚硅谷_机器学习模型和算法_线性回归（下）5 X3 S7 [8 J: K
18.尚硅谷_机器学习模型和算法_线性回归梯度下降代码实现* ~6 y: q& x$ H5 h9 [
19.尚硅谷_机器学习模型和算法_线性回归调用sklearn库代码实现
20.尚硅谷_机器学习模型和算法_K近邻) T3 y& G+ e: y+ u3 g7 c$ L( k
21.尚硅谷_机器学习模型和算法_K近邻代码实现（上）
22.尚硅谷_机器学习模型和算法_K近邻代码实现（中）
23.尚硅谷_机器学习模型和算法_K近邻代码实现（下）4 O4 b% t0 ~* `' S. h
24.尚硅谷_机器学习模型和算法_逻辑回归（上）0 `( Z; z& u& R& F2 v( J/ ]
25.尚硅谷_机器学习模型和算法_逻辑回归（下）
26.尚硅谷_机器学习模型和算法_决策树
27.尚硅谷_机器学习模型和算法_K均值聚类1 m" B! c! ~' M5 F* y5 i. W
28.尚硅谷_机器学习模型和算法_K均值聚类代码实现（上）% }2 N0 C x! q: R/ M" W8 ?
29.尚硅谷_机器学习模型和算法_K均值聚类代码实现（下）9 t# w' D: S; V5 G
30.尚硅谷_推荐系统_推荐系统算法详解（一）
31.尚硅谷_推荐系统_推荐系统算法详解（二）. f) I+ N7 y% f2 S! e
32.尚硅谷_推荐系统_推荐系统算法详解（三）5 ?3 m6 }5 e" s) S8 l1 j
33.尚硅谷_推荐系统_TF-IDF算法代码示例$ T" W+ h; D! M+ \$ y; k# N2 k
34.尚硅谷_推荐系统_推荐系统算法详解（四）; m& A3 E" f: U, K; W$ E
35.尚硅谷_推荐系统_推荐系统算法详解（五）3 I O7 A6 t. [( n' E" `
36.尚硅谷_推荐系统_LFM梯度下降算法代码实现（上）' ~1 b, p) X$ d
37.尚硅谷_推荐系统_LFM梯度下降算法代码实现（下）
38.尚硅谷_电影推荐系统_项目系统设计（上）. W1 }7 t8 R7 T% Q2 D
39.尚硅谷_电影推荐系统_项目系统设计（中）. K, k5 }- e/ U) T* I
40.尚硅谷_电影推荐系统_项目系统设计（下）
41.尚硅谷_电影推荐系统_项目框架搭建
42.尚硅谷_电影推荐系统_数据加载模块（一）
43.尚硅谷_电影推荐系统_数据加载模块（二）# x9 q% i! J( q- F& m6 k
44.尚硅谷_电影推荐系统_数据加载模块（三）) Y, q! ^0 `, b8 K3 B
45.尚硅谷_电影推荐系统_数据加载模块（四）8 }% j4 b* X c3 ]
46.尚硅谷_电影推荐系统_数据加载模块（五）
47.尚硅谷_电影推荐系统_统计推荐模块（上）+ ?0 t6 \% o# E7 `
48.尚硅谷_电影推荐系统_统计推荐模块（中）
49.尚硅谷_电影推荐系统_统计推荐模块（下）
50.尚硅谷_电影推荐系统_基于LFM的离线推荐模块（上）
51.尚硅谷_电影推荐系统_基于LFM的离线推荐模块（中）+ F# P" t5 N- v% v" Q# ]
52.尚硅谷_电影推荐系统_基于LFM的离线推荐模块（下）
53.尚硅谷_电影推荐系统_ALS模型评估和参数选取（上）+ }: {3 N, ~' ~5 h2 V# }
54.尚硅谷_电影推荐系统_ALS模型评估和参数选取（下）
55.尚硅谷_电影推荐系统_实时推荐模块（一）
56.尚硅谷_电影推荐系统_实时推荐模块（二）
57.尚硅谷_电影推荐系统_实时推荐模块（三）
58.尚硅谷_电影推荐系统_实时推荐模块（四）# {& p" H" l3 f# C o( y
59.尚硅谷_电影推荐系统_实时推荐模块（五）
60.尚硅谷_电影推荐系统_实时推荐模块测试& z8 ^5 ^8 B+ x
61.尚硅谷_电影推荐系统_基于内容推荐模块（一）
62.尚硅谷_电影推荐系统_基于内容推荐模块（二）9 C ~$ o, l. h
63.尚硅谷_电影推荐系统_基于内容推荐模块（三）
64.尚硅谷_电影推荐系统_基于内容推荐模块（四）$ t( G+ u) R$ c& @) K: F2 y! L
65.尚硅谷_电影推荐系统_实时系统联调测试（上）
66.尚硅谷_电影推荐系统_实时系统联调测试（下）
