搭建深度學(xué)習(xí)推薦系統(tǒng)實(shí)戰(zhàn)
前兩天有個(gè) 94 年的讀者分享，說在做推薦系統(tǒng)，拿了某個(gè)一線大廠的 Offer，開的年薪 70 萬。
雖然不是很高（也算很不錯(cuò)了，畢竟才 94 的），但也是一個(gè)程序員剛剛爆發(fā)的起點(diǎn)，可以預(yù)見未來的發(fā)展空間有多大。
為什么推薦系統(tǒng)這么值錢？這其實(shí)是由“商業(yè)價(jià)值”決定的 —— “推薦系統(tǒng)”從沒像現(xiàn)在這樣，影響著我們的生活。
比如：打開抖音，喜歡的內(nèi)容已經(jīng)開始播放了；打開淘寶，想購買的商品已經(jīng)展示在眼前了。抖音平均日活超 6 億，天貓雙 11 的成交額超 4000 億的背后，都是“推薦系統(tǒng)”的功勞。
假設(shè)，天貓通過改進(jìn)商品推薦功能，使平臺(tái)整體的轉(zhuǎn)化率提升 1%，就能在 4000 多億成交額的基礎(chǔ)上，再增加 40 多億。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。
而驅(qū)動(dòng)這些巨頭進(jìn)行推薦服務(wù)的，都是基于深度學(xué)習(xí)的推薦模型。但在一個(gè)成熟的推薦系統(tǒng)上，找到提升的突破點(diǎn)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(shí)體系，加深對(duì)深度學(xué)習(xí)模型的理解，以及大數(shù)據(jù)平臺(tái)的熟悉程度，才能實(shí)現(xiàn)整體效果上的優(yōu)化。
所以，想學(xué)習(xí)推薦系統(tǒng)，關(guān)鍵在于「體系化 + 實(shí)操」。最近，我又重溫了《深度學(xué)習(xí)推薦系統(tǒng)》這個(gè)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(fù)責(zé)人，也是圈里的大佬，一直深耕在推薦系統(tǒng)、計(jì)算廣告領(lǐng)域，經(jīng)驗(yàn)非常豐富。他之前出過同名的書，豆瓣評(píng)分 9.3，相當(dāng)高。他還是知乎 10W+ 粉絲的大咖，分享的很多知識(shí)和觀點(diǎn)，影響了不少人。
早年我看他的書時(shí)，感覺更偏模型原理。后來聽說他開了個(gè)實(shí)踐專欄，第一時(shí)間就訂閱了，果然驚喜，先分享一個(gè)王喆專欄里總結(jié)的「推薦系統(tǒng)核心知識(shí)圖譜」，建議收藏。
除了讓我完整地把推薦系統(tǒng)的原理捋了一遍，更重要的是，實(shí)操性特別強(qiáng)。王喆特地為了這個(gè)專欄，開發(fā)了一個(gè)開源項(xiàng)目「 SparrowRecsys」，帶你親手嘗試，從 0 到 1，搭建一套完整的深度學(xué)習(xí)推薦系統(tǒng)（下面有詳細(xì)介紹，賊有意思）。可以說是書的實(shí)踐版本，里面加入了更多技術(shù)細(xì)節(jié)的實(shí)現(xiàn)和討論。
此外，還講解了深度學(xué)習(xí)推薦系統(tǒng)的經(jīng)典技術(shù)架構(gòu)，以及 Spark、TensorFlow、Flink 等主流工具的實(shí)踐經(jīng)驗(yàn)，毫不夸張的說，想學(xué)深度學(xué)習(xí)推薦系統(tǒng)，看這個(gè)專欄就夠了。這個(gè)專欄剛剛破萬訂閱，推薦給你，掃碼免費(fèi)試讀??
限時(shí)破萬秒殺+口令「wangzhe66」
到手僅 ￥84，訂閱價(jià) ￥129
新用戶到手僅 ￥59
王喆這課，為啥值得買？
先來說說這個(gè) 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(shí)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(gè)中大型公司的推薦系統(tǒng)，但是毫無疑問，它可以成為一個(gè)工業(yè)級(jí)推薦系統(tǒng)的種子項(xiàng)目。而這一切，都能在課程里，一步步嘗試搭建起來。
最后你實(shí)現(xiàn)的推薦系統(tǒng)會(huì)是這個(gè)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(shí)現(xiàn)的一個(gè)又一個(gè)深度學(xué)習(xí)模型：
對(duì)于電影的相似推薦功能，王喆會(huì)使用各種 Embedding based 的方法，比如 item2vec，graph embedding 等等。
對(duì)于推薦功能，會(huì)基于 TensorFlow 實(shí)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(jìn)行模型服務(wù)。
對(duì)于召回層、排序?qū)舆@些推薦邏輯，也會(huì)全盤在基于 Jetty 的推薦服務(wù)器中實(shí)現(xiàn)。
整個(gè)項(xiàng)目整體的技術(shù)架構(gòu)是下面這個(gè)樣子的：
SparrowRecSys的技術(shù)架構(gòu)
是不是感覺很牛。其次，專欄本計(jì)劃是 30 講，生生寫到 43 講，補(bǔ)充討論了很多熱門的問題。在這里貼 15 個(gè)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(shí)現(xiàn)一個(gè)工業(yè)級(jí)的深度學(xué)習(xí)推薦系統(tǒng)，不成問題，簡(jiǎn)單介紹下：
基礎(chǔ)架構(gòu)篇：講要從 0 開始實(shí)現(xiàn)的推薦系統(tǒng)， Sparrow RecSys 的主要功能和技術(shù)架構(gòu)，也會(huì)用到 Spark、Flink、TensorFlow 等業(yè)界最流行的機(jī)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(huì)用到的特征，以及主要的特征處理方式，并將其實(shí)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(shí)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(gè)推薦服務(wù)器，包括服務(wù)器、存儲(chǔ)、緩存、模型服務(wù)等模塊和相關(guān)知識(shí)，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(shí)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(shí)現(xiàn)，以及注意力機(jī)制、序列模型、增強(qiáng)學(xué)習(xí)等相關(guān)領(lǐng)域的前沿進(jìn)展。
效果評(píng)估篇：效果評(píng)估的主要方法和指標(biāo)，建立起包括線下評(píng)估、線上 AB 測(cè)試、評(píng)估反饋閉環(huán)等整套的評(píng)估體系，真正能夠用業(yè)界的方法，而不是實(shí)驗(yàn)室的指標(biāo)來評(píng)價(jià)一個(gè)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(shì)。
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)常在專欄下面跟讀者留言互動(dòng)，這種耐心和責(zé)任心，真不是一般人有的。
??掃碼免費(fèi)試讀
限時(shí)破萬秒殺+口令「wangzhe66」
到手僅 ￥84 ，訂閱價(jià) ￥129
新用戶到手僅 ￥59
沒計(jì)劃的學(xué)習(xí)，都只是作秀。與其花時(shí)間找一堆資料，還不如有計(jì)劃的消化一個(gè)系統(tǒng)的課，更值。
??點(diǎn)擊「閱讀原文」，新用戶 ￥59 就能拿下。