深度學(xué)習(xí)推薦系統(tǒng)入門+實戰(zhàn)43篇
今天這篇專欄教程是推薦系統(tǒng)圈子里很有名氣的王喆老師出版的，想學(xué)習(xí)深度學(xué)習(xí)和推薦系統(tǒng)的，這個專欄可以仔細學(xué)習(xí)和研究，下面是專欄的詳細介紹：
轉(zhuǎn)眼就開工了，7 天的假期，刷刷抖音，說走就走了。
?
說到抖音，就不得不提它的推薦系統(tǒng)，刷了啥，立刻記住你的偏好，推薦相似內(nèi)容，一不小心 2 小時就過去了，讓人欲罷不能，要么日活 6 億呢。
?
其實“推薦系統(tǒng)”從沒像現(xiàn)在這樣，影響著我們的生活。除了抖音、快手這類短視頻，還有網(wǎng)購時，天貓、京東會為你推薦商品；想看看資訊，頭條、知乎會為你準(zhǔn)備感興趣的新聞等等。
?
而驅(qū)動這些巨頭進行推薦服務(wù)的，都是基于深度學(xué)習(xí)的推薦模型。
?
想起 2019 年阿里的千人千面系統(tǒng)，促成了天貓“雙 11” 2684 億成交額。假設(shè)通過改進商品推薦功能，使平臺整體的轉(zhuǎn)化率提升 1%，就能在 2684 億成交額的基礎(chǔ)上，再增加 26.84 億。這就是推薦工程師的最牛的地方，也是為啥人能拿百萬年薪的原因。
?
但在一個成熟的推薦系統(tǒng)上，找到提升的突破點并不容易——不能滿足于協(xié)同過濾、矩陣分解這類傳統(tǒng)方法，而要建立起完整的“深度學(xué)習(xí)推薦系統(tǒng)”知識體系，加深對深度學(xué)習(xí)模型的理解，以及大數(shù)據(jù)平臺的熟悉程度，才能實現(xiàn)整體效果上的優(yōu)化。
?
所以春節(jié)假期除了刷抖音，我又重新看了看《深度學(xué)習(xí)推薦系統(tǒng)》這個專欄，2 刷有不少新的啟發(fā)。作者王喆，Roku 推薦系統(tǒng)架構(gòu)負責(zé)人，也是咱圈里的大佬，一直深耕在推薦系統(tǒng)、計算廣告領(lǐng)域，經(jīng)驗非常豐富。他之前出過同名的書，豆瓣評分?9.3，相當(dāng)高。
?
當(dāng)年我看書的時候，就感覺實踐太少，偏模型原理。所以在聽說王喆開了個實踐專欄時，第一時間就訂閱了，跟著學(xué)下來，受益匪淺。讓我完整地把推薦系統(tǒng)的原理捋了一遍。下面王喆總結(jié)的「核心知識圖譜」，建議收藏。
最重要的是，實操性特別強。王喆特地為了這個專欄，開發(fā)了一個開源項目「 SparrowRecsys」，能讓你親手嘗試，搭建一套完整的深度學(xué)習(xí)推薦系統(tǒng)（下面有詳細介紹，賊有意思）。可以說是書的實踐版本，里面加入了更多技術(shù)細節(jié)的實現(xiàn)和討論。
?
毫不夸張的說，這個專欄讓我對深度學(xué)習(xí)推薦系統(tǒng)的認知，提升到了一個新高度，所以很想把它推薦給你。最近這個專欄要漲價到 ￥129 了，現(xiàn)在到手僅 ￥69 ，一定別錯過了，掃碼免費試讀??
?
秒殺+口令「shendu666」
到手僅 ￥69 ，即將漲至 ￥129
?
?
王喆這課，為啥值得買？
?
先來說說這個 SparrowRecsys 推薦系統(tǒng)。王喆把它叫做“麻雀推薦系統(tǒng)”，取“麻雀雖小、五臟俱全”之意，它利用了開源的 movielens 數(shù)據(jù)集，搭建起了包括：
Spark、Flink 特征工程
TensorFlow 深度學(xué)習(xí)模型訓(xùn)練
TensorFlow Serving 模型服務(wù)
Redis 在線特征數(shù)據(jù)庫
Jetty Server 推薦服務(wù)器
JS 前端實現(xiàn)
?
以上這些在內(nèi)的，一整套深度學(xué)習(xí)推薦系統(tǒng)。不說它能支撐起一個中大型公司的推薦系統(tǒng)，但是毫無疑問，它可以成為一個工業(yè)級推薦系統(tǒng)的種子項目。而這一切，都能在課程里，一步步嘗試搭建起來。
?
最后你實現(xiàn)的推薦系統(tǒng)會是這個樣子??
?
SparrowRecSys的首頁
?
SparrowRecSys的相似電影推薦頁
?
在這些前端頁面的背后，是你能實現(xiàn)的一個又一個深度學(xué)習(xí)模型：
?
對于電影的相似推薦功能，王喆會使用各種 Embedding based 的方法，比如 item2vec，graph embedding 等等。
對于推薦功能，會基于 TensorFlow 實現(xiàn)Embedding MLP，Wide&Deep，NerualCF，Two Towers，DeepFM，DIN 等等深度學(xué)習(xí)模型，然后使用 TensorFlow serving 去進行模型服務(wù)。
對于召回層、排序?qū)舆@些推薦邏輯，也會全盤在基于 Jetty 的推薦服務(wù)器中實現(xiàn)。
?
整個項目整體的技術(shù)架構(gòu)是下面這個樣子的：
?
SparrowRecSys的技術(shù)架構(gòu)
?
是不是感覺很牛。其次，專欄本計劃是 30 講，生生寫到 43 講，補充討論了很多熱門的問題。在這里貼 15 個專欄里討論的問題，看專欄留言區(qū)的討論，感覺收獲更大。
?
?
最后說說，他是怎樣講解這門課程的？
整體遵循了經(jīng)典推薦系統(tǒng)的框架，分為 6 部分，學(xué)懂了，實現(xiàn)一個工業(yè)級的深度學(xué)習(xí)推薦系統(tǒng)，不成問題，簡單介紹下：
?
基礎(chǔ)架構(gòu)篇：講要從 0 開始實現(xiàn)的推薦系統(tǒng)， Sparrow RecSys 的主要功能和技術(shù)架構(gòu)，也會用到 Spark、Flink、TensorFlow 等業(yè)界最流行的機器學(xué)習(xí)和大數(shù)據(jù)框架。
?
特征工程篇：討論推薦系統(tǒng)會用到的特征，以及主要的特征處理方式，并將其實踐在 Spark 上。此外，還有深度學(xué)習(xí)中非常流行的 Embedding、Graph Embedding 技術(shù)，并帶你實現(xiàn) Sparrow Recsys 中的相似電影推薦功能。
?
線上服務(wù)篇：帶你搭建一個推薦服務(wù)器，包括服務(wù)器、存儲、緩存、模型服務(wù)等模塊和相關(guān)知識，涉及 Jetty Server， Spark、Redis 的使用。
?
推薦模型篇：深度學(xué)習(xí)推薦模型的原理和實現(xiàn)方法，包括 Embedding+MLP ，Wide&Deep，PNN 等深度學(xué)習(xí)模型的架構(gòu)和 TensorFlow 實現(xiàn)，以及注意力機制、序列模型、增強學(xué)習(xí)等相關(guān)領(lǐng)域的前沿進展。
?
效果評估篇：效果評估的主要方法和指標(biāo)，建立起包括線下評估、線上 AB 測試、評估反饋閉環(huán)等整套的評估體系，真正能夠用業(yè)界的方法，而不是實驗室的指標(biāo)來評價一個推薦系統(tǒng)。
?
前沿拓展篇：講 YouTube、阿里巴巴、微軟、Pinterest 等一線公司的深度學(xué)習(xí)應(yīng)用，幫你追蹤業(yè)界發(fā)展的最新趨勢。
?
可以說，王喆老師的書也好，課也好，從未叫人失望過，而且他人也特別 nice，經(jīng)常在專欄下面跟讀者留言互動，這種耐心和責(zé)任心，真不是一般人有的。
?
好了，再強調(diào)一遍
專欄原價?￥99，秒殺 ￥79
疊加優(yōu)惠口令「shendu666」
到手?￥69，相當(dāng)于半價了
馬上就漲到?￥129?啦
??
??掃碼免費試讀
?
沒計劃的學(xué)習(xí)，都只是作秀。與其花時間找一堆資料，還不如有計劃的消化一個系統(tǒng)的課，更值。
?
??點擊「閱讀原文」，記得用口令「shendu666」，到手僅￥69，馬上漲價到 ￥129 了。