1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

第一部分講解的是推薦系統需要的算法及其推導，內容如下：

1、基于內容的推薦系統

2、協同過濾的核心概念

3、基于用戶的協同過濾和基于產品的協同過濾

4、相似度的計算

5、隱語義模型的講解

6、Spark支持的推薦算法的介紹

7、交替最小二乘法(ALS)的推導

第二部分講解的是Spark代碼實現的推薦系統，內容如下：

1、隱式類型數據的推薦的實現

2、顯示類型數據的推薦的實現

3、冷啟動問題

4、Spark中ml包和mllib包的比較
第1章Spark中的推薦算法
1-1推薦系統概述
1-2基于內容的推薦算法
1-3CF和核心概念
1-4User-Based_CF和Item-Based_CF
1-5相似度計算
1-6隱語義模型
1-7正則化
1-8Spark支持的推薦算法
1-9交替最小二乘算法講解
第2章推薦代碼實現
2-1隱式模型vs顯示模型
2-2數據集準備
2-3數據解析
2-4構建第一個模型
2-5模型評估
2-6選擇合理的超參數
2-7顯示類型數據的推薦的實現
2-8交叉驗證
2-9冷啟動問題
2-10Spark中mllib中的ALS的使用
2-11Spark中的ml包和mllib包