在Amazon SageMaker上构建定制的推荐系统 概括 推荐系统已用于定制在线平台上的客户体验。 是一项完全托管的服务，可轻松开发推荐系统解决方案； 它会自动检查数据，执行功能和算法选择，根据您的数据优化模型，并部署和托管模型以进行实时推荐推断。 但是，由于某些领域的独特限制，有时需要定制推荐系统。 在此项目中，我将您了解如何使用上TensorFlow 2.0中的神经协作过滤模型构建和部署自定义的推荐系统。在此基础上，您可以据此进一步进行自定义。 入门 （ ml.t2.medium实例足

推荐系统 一个开发中的推荐系统，在tensorflow 2中实现。 数据集：MovieLens-100k，MovieLens-1m，MovieLens-20m，lastfm，Book-Crossing和一些satori知识图。 算法：UserCF，ItemCF，LFM，SLIM，GMF，MLP，NeuMF，FM，DeepFM，MKR，RippleNet，KGCN等。 评估：ctr的auc f1和topk的精度调用。 要求 Python 3.8 Tensorflow 2.4.1 跑 ，并将