基于用户画像的商品推荐挑战赛rank5科大讯飞这个比赛终于结束了，初赛和复赛我都是在最后几天开始做的，不到deadline不动手，导致后期想试新算法都没有时间了。最终仅排名第五，略有遗憾！以后还是提早接触好！！！复赛主要解决方案：数据处理根据tagid是否缺失把train和test(复赛数据)分出两部分数据集将复赛数据集的train和test的tagid未缺失用户的tagid序列用来做Word2V

tensorflow2.0搭建基础NN1. sequenial()1.1 Sequential()容器1.2 compile配置神经网络的训练方法1.3 fit()执行训练过程1.4 model.summary()打印和统计1.5 鸢尾花示例2. 搭建网络模型class3. MNIST数据集3.1 Sequential实现手写数字识别训练3.2 calss实现手写数字识别训练1. sequenia

YouTube深度学习视频推荐系统1. 推荐系统的应用场景2.YouTube 推荐系统架构3.候选集生成模型4. 候选集生成模型独特的线上服务方法5. 排序模型6. 训练和测试样本的处理7. 处理用户对新视频的爱好8. 总结1. 推荐系统的应用场景作为全球最大的视频分享网站，YouTube 平台中几乎所有的视频都来自 UGC（User Generated Content，用户原创内容），这样的内容

记录llamaindex+Internlm2 RAG实践过程

HM_EDA1. 读入数据2. article信息3. 顾客基本信息4. 历史购买4.1 生成用户购买序列4. 2 transactions数据——用户冷热分组4.2.1 cold user4.2.2 购买频率分析5.submisson比赛地址1. 读入数据import pandas as pdimport matplotlib.pyplot as pltimport numpy as npinp