搭建一套深度學(xué)習(xí)推薦系統(tǒng)！

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。阿里的千人千面系統(tǒng)促成了當(dāng)年天貓“雙 11” 2684 億成交額。如果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。這也是大廠對推薦工程師倍加青睞的原因。

但在學(xué)習(xí)推薦系統(tǒng)時，找到提升的突破點并不容易——目前各大廠使用的都是成熟的推薦系統(tǒng)，實現(xiàn)整體效果優(yōu)化，需要建立起完整的知識體系，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。

《深度學(xué)習(xí)推薦系統(tǒng)》一書的作者王喆， 推出實踐專欄，跟大家一起來一步一步地講透深度學(xué)習(xí)推薦系統(tǒng)的原理，并且能親手搭建起來一整套深度學(xué)習(xí)推薦系統(tǒng)。

他的同名書籍在豆瓣評分9.3，好評極高，這個專欄更注重實踐，并加入了更多技術(shù)細節(jié)的實現(xiàn)和討論。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」，能讓我們親手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）。

掃碼免費試讀??

限時秒殺+口令「happy2021」到手僅 ￥89 ，原價 ￥129，新用戶到手僅 ￥59.9

王喆這門課的價值

先來說說這個 SparrowRecsys 推薦系統(tǒng)。名字取“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)

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。

最后我們實現(xiàn)的推薦系統(tǒng)會是這個樣子??

在這些前端頁面的背后，是我們能實現(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：

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。課程的留言區(qū)也藏龍臥虎，在這里貼 15 個專欄里討論的問題，足見大家收獲。

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)，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。
目錄也放這兒了??

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)常在課程留言區(qū)和大家討論問題，如果對推薦系統(tǒng)感興趣，這是一門值得用心學(xué)習(xí)的課程。

??掃碼免費試讀+口令「happy2021」到手僅 ￥89

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。

??點擊「閱讀原文」，新用戶 ￥59.9 可得