Summary 黑马头条推荐系统项目 黑马头条推荐架构介绍 头条推荐架构 开发环境介绍 离线计算更新文章画像 数据库迁移 用户行为收集到HIVE 离线画像业务介绍 离线文章画像计算 离线增量画像更新代码 Apscheduler定时更新文章画像 Word2Vec与文章相似度 文章相似度增量更新 总结 每日作业 离线用户画像更新与召回排序计算 用户画像逻辑 用户画像增量更新 离线召回与排序介绍 离线用户基于模型召回集 离线用户基于内容召回集 离线用户召回定时更新 离线排序模型训练基础 离线ctr特征中心更新 总结 每日作业 实时计算业务 实时计算业务介绍 实时日志分析 实时召回集业务 热门与新文章召回 总结 每日作业 推荐业务流实现与ABTest 实时推荐业务介绍 grpc接口对接 ABTest实验中心 推荐中心逻辑 召回集读取服务 推荐缓存服务 排序模型在线预测 总结 每日作业 深度学习与推荐系统 推荐系统的深度学习关联 深度学习应用简介 TensorFlow框架介绍 TF数据流图 图与TensorBoard 会话、张量、变量OP 案例：TensorFlow实现线性回归 TFAPI使用2.0建议 tf.estimator使用 总结 每日作业 黑马头条排序模型进阶 神经网络基础与原理 tf.data与tf.feature_column 案例：DNN文本分类与word2vec原理 TFRecords与黑马训练数据存储 深度学习与排序模型发展 分桶与特征交叉 黑马排序模型进阶-FTRL on Tensorflow 黑马排序模型进阶-Wide&Deep WDL模型导出 TensorFlow Serving模型部署 排序模型在线测试 总结 每日作业