TikTok 風(fēng)靡美國，還是推薦算法牛！

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（在美國叫TikTok），就不得不提它的推薦系統(tǒng)，太 NB 了。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(shí)就過去了，讓人欲罷不能，要么日活 6 億呢。

 

其實(shí)“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(shí)，天貓、京東會(huì)為你推薦商品；想看看資訊，頭條、知乎會(huì)為你準(zhǔn)備感興趣的新聞等等。

 

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。

 

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(jìn)商品推薦功能，使平臺(tái)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(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(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，也是咱圈里的大佬，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。

 

當(dāng)年我看書的時(shí)候，就感覺實(shí)踐太少，偏模型原理。所以在聽說王喆開了個(gè)實(shí)踐專欄時(shí)，第一時(shí)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(shí)圖譜」，建議收藏。

最重要的是，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」，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(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。

 

毫不夸張的說，這個(gè)專欄讓我對(duì)深度學(xué)習(xí)推薦系統(tǒng)的認(rèn)知，提升到了一個(gè)新高度，所以很想把它推薦給你。這個(gè)專欄明晚 24:00 要漲價(jià)到 ￥129 了，現(xiàn)在到手僅 ￥69 ，一定別錯(cuò)過了，掃碼免費(fèi)試讀??

 

秒殺+口令「shendu666」

到手僅 ￥69 ，明晚 24:00 漲至 ￥129

 

 

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)。

 

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。

 

好了，再強(qiáng)調(diào)一遍

專欄原價(jià) ￥99，秒殺 ￥79

疊加優(yōu)惠口令「shendu666」

到手 ￥69，相當(dāng)于半價(jià)了

明晚 24:00 就漲到 ￥129 啦 

 

??掃碼免費(fèi)試讀

 

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」，記得用口令「shendu666」，到手僅￥69，明晚 24:00 漲價(jià)到 ￥129 了。