任务7：词向量基础

• 学习word2vec基础
• 将用户历史观看电影转为列表数据（一个用户一个列表）
• 使用gensim训练word2vec，然后对用户完成聚类

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

任务6：Slope One

• 阅读Slope One基础原理
• 编写Slope One用于电影推荐的流程
• 比较Slope One、SVD、协同过滤的精度，哪一个模型的RMSE评分更低？

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

任务5：矩阵分解SVD

• 阅读矩阵分解基础教程，代码实现
• 编写SVD用于电影推荐的流程
• 比较SVD与协同过滤的精度，哪一个模型的RMSE评分更低？

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

任务4：协同过滤进阶

• 编写User-CF代码，通过用户相似度得到电影推荐
• 编写Item-CF代码，通过物品相似度得到电影推荐
• 进阶：如果不使用矩阵乘法，你能使用倒排索引实现上述计算吗？

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

任务2：Movielens介绍

• 下载并读取Movielens 1M数据集（用户、电影、评分）
• 统计如下指标：
  • 总共包含多少用户？
  • 总共包含多个电影？
  • 平均每个用户对多少个电影进行了评分？
  • 每部电影 & 每个用户的平均评分是？
• 如果你来进行划分数据集为训练和验证，你会如何划分？

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

任务1：推荐系统基础

• 阅读推荐系统在工业落地的链接：
  • 推荐系统整体架构及算法流程详解
  • 美团旅游推荐系统的演进
  • 阿里智能推荐AIRec
• 思考 & 回答以下问题，并将回答记录到博客
  • 推荐系统与常见的结构化问题的区别是什么？
  • 如何评价推荐系统「推荐」的准不准？
  • 推荐系统一般分为召回 & 排序，为什么这样划分？

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

任务3：协同过滤基础

• 阅读协同过滤教程
• 编写代码计算两个用户的相似度
• 编写代码计算两个物品的相似度

代码地址： https://github.com/Guadzilla/Basics-of-Recsys

什么是数据卷

数据不应该放在容器中，如果容器删除，数据就会丢失！==需求：数据 持久化==

MYSQL，容器删了=删库跑路！==需求：MYSQL数据可以存储在本地==

==> 需要容器之间有一个数据共享的技术！Docker容器中产生的数据，同步到本地！

这就是卷技术！说白了就是目录的挂载，将容器内的目录，挂载到 Linux 上

总结：容器的持久化和同步操作！ 容器间也可以数据共享！

使用数据卷

方式一：直接使用命令来挂载 -V

镜像

镜像：一种轻量级、可执行的独立软件包，用来打包软件运行环境和基于运行环境开发的软件，包含运行某个软件所需的所有内容，包括代码、库、环境变量和配置文件。

每个文件叠加过后就是我们的应用，虽然是叠加而来，但是对外却是一个整体的系统文件

镜像加载原理

UFS文件系统

下载时看到一层层的就是这个。

联合文件系统（UnionFS）是一种分层、轻量级并且高性能的文件系统，它支持对文件系统的修改作为一次提交来一层层的叠加，同时可以将不同目录挂载到同一个虚拟文件系统下。联合文件系统是 Docker 镜像的基础。镜像可以通过分层来进行继承，基于基础镜像（没有父镜像），可以制作各种具体的应用镜像。另外，不同 Docker 容器就可以共享一些基础的文件系统层，同时再加上自己独有的改动层，大大提高了存储的效率。

特性：一次性同时加载多个文件系统，但从外面看起来，只能看到一个文件系统，联合加载会把各层文件系统叠加起来，这样最终的文件系统会包含所有底层的文件和目录。

Docker镜像加载原理

帮助命令

1
2
3

docker version		# 显示docker 的版本信息
docker info			# 显示docker 的系统信息，包括镜像和容器的数量
docker 命令 --help 	# 帮助命令

帮助文档的地址：参考文档|Docker 文档

镜像命令

docker images 查看所有本地的主机上的镜像

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

xxx@data:~/solrdata$ sudo docker images 
REPOSITORY                        TAG                 IMAGE ID            CREATED             SIZE
solr                              8                   ce1fcccc6f5e        5 days ago          563MB
solr                              latest              ce1fcccc6f5e        5 days ago          563MB

# 解释
REPOSITORY 镜像的仓库源
TAG        镜像的标签
IMAGE ID   镜像的id
CREATE     镜像的创建时间
SIZE       镜像的大小

# 可选项
Options:
  -a, --all             # 列出所有镜像
  -q, --quiet           # 只显示镜像的id

xxx@data:~/solrdata$ sudo docker images -aq
ce1fcccc6f5e
ce1fcccc6f5e