内容丰富，一共20多个G，全面对移动互联网中常用的信息系统模型进行了讲解。

推荐系统属于网络信息过滤的一种应用。推荐系统能够将可能受喜好的信息或实物(例如:电影、电视节目、音乐、书籍、新闻、图片、网页)推荐给使用者。 推荐系统首先收集用户的历史行为数据,然后通过预处理的方法得到用户-评价矩阵,再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。有的推荐系统还搜集用户对推荐结果的反馈,并根据实际的反馈信息实时调整推荐策略,产生更符合用户需求的推荐结果。
    Week 9：引入sideinfo信息的图推荐、基于推理的图推荐
    Week 8： GraphEmbedding 大家族与用户行为构建
    Week 7：经典Ranking方法
    Week 6：深度match方法
    Week 5：传统match方法
    Week 4：用户画 Week
    Week 3：内容画像与用户画像
    Week 2：推荐系统基础
    Week 1：机器学习基础
    Week 15：项目总结、部署
    Week 14：强化学习与推荐系统
    Week 13：多目标与用户多兴趣
    Week 12：热点文章实时召回
    Week 11：重排序与多目标学习
    Week 10：深度Ranking模型