基于深度学习的推荐系统是实现个性化在线体验和强大的决策支持工具的秘诀，被广泛用于零售、娱乐、医疗和金融等诸多行业。
推荐系统通过理解偏好、之前的决定和其他特征来运作。例如，推荐系统可以根据人们以前看过的电影和其能理解的语言，预测出他们喜欢的电影类型。训练神经网络来泛化这些海量数据，并快速为类似的用户和情景提供具体建议需要进行大量的计算，GPU 则可以显著地加速这一过程。如果企业想要提供更愉悦的用户体验、与客户开展更深入的沟通并作出更明智的决策，可以通过使用经过合理设计和训练的推荐系统来实现巨大的价值。
此课程涵盖构建高效推荐系统所需的基础工具和技术，以及如何部署 GPU 加速的实时推荐系统。
学习目标
参加本次培训，您将学习到：
- 利用开源 cuDF 库和 Apache Arrow 构建基于内容的推荐系统。
- 利用交替最小二乘法 (ALS) 和 CuPy 构造协同过滤推荐系统。
- 利用 TensorFlow 2 和 NVTabular 数据加载器设计 Wide & Deep 神经网络，从而打造混合推荐系统。
- 利用大型稀疏数据集优化训练和推理性能。
- 部署推荐模型，并将其作为高性能网络服务。
下载课程大纲 (PDF 79.8 KB)
