【千字長(zhǎng)文】推薦系統(tǒng)算法工程師進(jìn)階指南
我跟幾位BATJ在職算法老哥聊了下推薦算法工程師技能學(xué)習(xí)路徑的事：
學(xué)習(xí)推薦算法需要具備哪些基礎(chǔ)？
學(xué)習(xí)推薦算法要做哪些項(xiàng)目？
01 了解推薦系統(tǒng)
推薦系統(tǒng)應(yīng)用概述、邏輯概述、技術(shù)架構(gòu)。
02 推薦系統(tǒng)經(jīng)典算法
倒排索引與TF-IDF、基于用戶/物品的協(xié)同過(guò)濾算法、基于隱語(yǔ)義/矩陣分解的推薦算法、基于圖模型的推薦算法、基于邏輯斯特回歸的推薦算法、poly2特征交叉推薦算法、GBDT/GBDT+LR推薦算法、FM推薦算法、FFM推薦算法、MLR(LS-PLM)推薦算法等。
03 深度學(xué)習(xí)推薦算法
AutoRec推薦算法、NeuralCF推薦算法、Wide&Deep推薦算法、DeepFM推薦算法、Deep&Cross推薦算法、DeepCrossing推薦算法、FNN推薦算法、PNN推薦算法、NFM推薦算法等。
了解掌握上述算法（主要是通過(guò)閱讀論文）后，可以開(kāi)始上手實(shí)操項(xiàng)目。
01 推薦系統(tǒng)的整體架構(gòu)
推薦系統(tǒng)的整體架構(gòu)對(duì)算法工作人員而言能夠是必備知識(shí)，作為推薦算法工程師，不僅需要了解算法，而且需要了解工程架構(gòu)，只有這樣才能更加深入推薦系統(tǒng)業(yè)務(wù)。
推薦項(xiàng)目：推薦系統(tǒng)整體架構(gòu)+召回+排序
通過(guò)對(duì)推薦系統(tǒng)的整體架構(gòu)的學(xué)習(xí)，建立對(duì)推薦系統(tǒng)及其各個(gè)模塊的整體了解——
1.知道整體推薦系統(tǒng)中哪些模塊與算法有關(guān)
2.未來(lái)可能會(huì)從事哪個(gè)方向的工作
02 MatrixCF在資訊推薦場(chǎng)景中召回和排序的應(yīng)用
1.項(xiàng)目介紹
1）業(yè)務(wù)介紹：基于資訊或者電商業(yè)務(wù)系統(tǒng)數(shù)據(jù)，搭建一套簡(jiǎn)單的資訊推薦或者電商推薦系統(tǒng)，為系統(tǒng)增加個(gè)性化模塊，提升用戶的體驗(yàn)及用戶停留時(shí)長(zhǎng)，點(diǎn)擊率及轉(zhuǎn)化率。
2）落地場(chǎng)景：信息流推薦、熱門(mén)流推薦、詳情頁(yè)推薦、點(diǎn)后推推薦
3）業(yè)務(wù)需求：為用戶提供個(gè)性化模塊，提高用戶的內(nèi)容消費(fèi)及點(diǎn)擊率、停留時(shí)長(zhǎng)
2.項(xiàng)目學(xué)習(xí)目標(biāo)
掌握資訊場(chǎng)景中召回&排序算法如何進(jìn)行開(kāi)發(fā)，訓(xùn)練，部署；深入推薦的幾個(gè)主要的層次，召回、排序，學(xué)會(huì)從每一個(gè)層級(jí)入手對(duì)推薦進(jìn)行優(yōu)化
3.項(xiàng)目涉及知識(shí)點(diǎn)
機(jī)器學(xué)習(xí)相關(guān)：協(xié)同過(guò)濾，矩陣分解
4.項(xiàng)目重難點(diǎn)
特征工程；召回；排序
5.項(xiàng)目可遷移性
推薦領(lǐng)域比較通用
03 FM在電商場(chǎng)景中的召回和排序應(yīng)用
只用到用戶id和物品id作為特征進(jìn)行訓(xùn)練，顯然缺失大量的特征信息，對(duì)最終的效果有著很大的影響，想要進(jìn)一步進(jìn)行優(yōu)化，我們就需要利用上更多的特征信息，因此從特征層面進(jìn)行業(yè)務(wù)優(yōu)化，從而提升在電商場(chǎng)景中召回和排序的效果。
項(xiàng)目學(xué)習(xí)目標(biāo)
熟悉推薦優(yōu)化流程
掌握算法迭代過(guò)程
能夠進(jìn)行召回，排序的應(yīng)用
項(xiàng)目涉及知識(shí)點(diǎn)
開(kāi)發(fā)工具：Python、Redis
算法：FM
項(xiàng)目重難點(diǎn)
召回，排序，特征
項(xiàng)目可遷移性
推薦領(lǐng)域比較通用
04 深度學(xué)習(xí)模型在召回和排序中的應(yīng)用
上個(gè)項(xiàng)目中已經(jīng)從特征層面進(jìn)行了優(yōu)化模型本身的限制導(dǎo)致基于這些特征信息卻無(wú)法很好的利用上，因此我們需要考慮優(yōu)化模型，從模型層面進(jìn)行進(jìn)一步對(duì)召回和排序進(jìn)行優(yōu)化提升業(yè)務(wù)指標(biāo)。
項(xiàng)目學(xué)習(xí)目標(biāo)
掌握常用深度學(xué)習(xí)方法在召回的應(yīng)用
掌握常用深度學(xué)習(xí)方法在排序的應(yīng)用
項(xiàng)目涉及知識(shí)點(diǎn)
算法：deepFM, DIN,FIBINET
項(xiàng)目重難點(diǎn)
召回，排序，特征
項(xiàng)目可遷移性
推薦領(lǐng)域比較通用
05 基于Deep&cross Network的廣告場(chǎng)景排序應(yīng)用
主要在于鍛煉對(duì)算法模型如何運(yùn)用于實(shí)際的廣告場(chǎng)景中，提升算法和工程能力
·DCN模型的熟悉
·認(rèn)識(shí)數(shù)據(jù)并處理成模型所需的數(shù)據(jù)格式
·DCN模型的開(kāi)發(fā)
·DCN模型運(yùn)用于排序
06 基于多目標(biāo)模型mmoe的電商場(chǎng)景排序應(yīng)用
主要是通過(guò)多目標(biāo)模型的學(xué)習(xí)了解算法模型在具體的應(yīng)用場(chǎng)景中有著不一樣的表示方式，能夠靈活地運(yùn)用算法模型
·多目標(biāo)模型的認(rèn)識(shí)
·認(rèn)識(shí)數(shù)據(jù)并處理成模型所需的數(shù)據(jù)格式
·多目標(biāo)模型MMOE的開(kāi)發(fā)
·多目標(biāo)模型如何運(yùn)用于排序
07 推薦系統(tǒng)論文
CAN
MIND
PLE
DAT
FIBINET
在職推薦算法工程師Merlin老師主講的《推薦系統(tǒng)算法工程師3天學(xué)習(xí)營(yíng)》將在6月17日開(kāi)營(yíng)——
6月17日：推薦系統(tǒng)概要
01 推薦系統(tǒng)是什么
02 推薦系統(tǒng)常見(jiàn)的行業(yè)應(yīng)用
03 推薦系統(tǒng)學(xué)習(xí)路徑
04 推薦系統(tǒng)相關(guān)技術(shù)簡(jiǎn)介
05 推薦系統(tǒng)面試技巧
6月18日：工業(yè)推薦架構(gòu)&原始數(shù)據(jù)預(yù)處理
01 工業(yè)推薦架構(gòu)
02 原始數(shù)據(jù)預(yù)處理
6月19日：工業(yè)推薦架構(gòu)&原始數(shù)據(jù)預(yù)處理
01 數(shù)據(jù)格式轉(zhuǎn)換與模型開(kāi)發(fā)
02 MatrixCF運(yùn)用于召回-電影場(chǎng)景
0.1元 領(lǐng)?。?/span>