《Datawhale推薦系統(tǒng)教程》來了！
開源初衷
FunRec開源項目從第一次提交到現(xiàn)在已經(jīng)快兩年了，為了讓幫助更多同學入門推薦算法，我們開源了《FunRec-推薦系統(tǒng)》教程，并在組隊學習中，幫助學習者成長。
該項目定位的人群、目標以及項目的大致內(nèi)容：
定位人群：該開源項目面向推薦算法初學者（想從事推薦算法崗位的在校生、推薦算法崗的校招新人） 項目目標：致力于讓想從事推薦算法崗位的校招生，熟悉經(jīng)典的推薦算法、推薦流程并通過天池競賽、組隊學習、社區(qū)討論等學習方式提高對推薦算法的應用能力。對于推薦算法崗的校招新人，可以了解推薦算法各個子領域的經(jīng)典算法，方便未來在實際的工作中熟練應用。 大致內(nèi)容： 推薦系統(tǒng)的概述：對于推薦系統(tǒng)整體的介紹 推薦系統(tǒng)算法基礎：包括各種經(jīng)典召回（協(xié)同過濾、雙塔召回、圖召回、多興趣召回等）、排序（特征交叉系列、wide&deep系列、序列模型、多任務模型）等內(nèi)容 推薦系統(tǒng)實踐：包括競賽實踐（阿里天池新聞推薦競賽）、推薦系統(tǒng)實戰(zhàn)項目（具有前后端的推薦系統(tǒng)） 推薦系統(tǒng)算法面經(jīng)：匯總大廠推薦算法崗的相關面經(jīng)，方便實習、秋招同學準備找工作
開源地址：https://github.com/datawhalechina/fun-rec
在線文檔：https://datawhalechina.github.io/fun-rec/#/
開源價值
邀請了項目的一些貢獻者們分享他們的感受。
20年初自己開始接觸推薦系統(tǒng)相關的內(nèi)容，后面慢慢的隨著fun-rec的發(fā)展梳理推薦算法相關的知識框架，這個過程中收獲的不僅僅是知識本身，還包括如何與大家合作，共同制定目標、項目規(guī)劃，探索項目的其他可能性等。FunRec項目的開源是一個過程，不是一個結果，對于內(nèi)容的貢獻者、組隊學習的組織者以及學習者在這個過程中是互相學習和成長的，希望這個項目可以給更多入門推薦的同學一些幫助，也歡迎大家可以積極參與到項目的建設中來。
——羅如意
推薦系統(tǒng)教程集理論基礎，深度前沿和系統(tǒng)實踐為一體，希望能夠給大家?guī)砗唵我锥膶W習體驗，帶給大家不一樣的推薦樂趣。
——何世福
推薦系統(tǒng)是一門偏實踐的藝術，作為在校學生，我們很難系統(tǒng)的學習推薦知識，也缺少實踐經(jīng)驗，為了彌補這兩大短板，這次和伙伴們一起組織了funrec項目，把我們在校期間學習的推薦知識系統(tǒng)梳理，并把這兩年學習到的經(jīng)驗進行沉淀，希望能幫助到更多的伙伴，也希望更多的伙伴一起來參與，一起搞事情呀！
——吳忠強
funrec項目的研發(fā)，既是對我個人關于推薦系統(tǒng)理論知識學習和實踐經(jīng)驗積累的一次總結，也是認識更多熱愛開源、熱愛分享的小伙伴的過程，收獲滿滿。目前市面上也缺乏較為系統(tǒng)的，代碼和理論結合的推薦模型教程，希望funrec能夠給更多的初學者帶來幫助^_^
——賴敏材
參與funrec項目，對我個人來說是一次系統(tǒng)整理和沉淀推薦系統(tǒng)相關知識的機會，同時能夠與更多開源的小伙伴更多的學習交流。作為在校生，funrec項目是一個即可以學習理論知識，同時還能夠通過代碼嘗試用于實踐，十分適合推薦系統(tǒng)的初學者。作為開源項目，希望大家可以學習，分享，交流，同時也能夠積極參與，互相成長。
——汪志鴻
參與到FunRec的開發(fā)是一次珍貴的經(jīng)歷，一起經(jīng)歷從零到一的系統(tǒng)開發(fā)，一起針對問題提出解決方案，一起在自己力所能及的范圍里做到最好。在幾個月的時間里得到了不僅是技術上的成長，更是感受到了被認可，我很感激在這個項目里認識了許多熱愛開源的伙伴，很幸運結識這些來自各地的朋友，他們鼓勵我、幫助我，我想這可能就是開源的意義。
——王辰玥
知識的分享，讓自己也有了學習的動力。愿大家在接受知識的分享后，也能積極參與到開源項目中，提升自己的學習價值。
——唐鑫
在剛學習推薦系統(tǒng)的時候，我是看著FunRec的文檔，打著FunRec的比賽一步步入門的，毫無疑問它給了我極大幫助，大大降低了我學習門檻。現(xiàn)如今，非常榮幸加入FunRec一起參與開源貢獻，我希望把這種開源精神的傳承帶給更多的人，幫助更多學習者，和大家一起成長。
——王宇宸
貢獻歷史
出生（第一次Github提交）：在2020年8月9日完成了第一次的項目內(nèi)容提交，距離今天已經(jīng)快兩年了！
開始說話（第一次組隊學習）：在2020年10月15日，Datawhale發(fā)布了十月組隊學習，推薦系統(tǒng)項目第一次面向?qū)W習者開展學習！
開始走路（第一次與阿里天池合作）：2020年11月19日，在阿里天池發(fā)布了新聞推薦競賽和學習資料！
開始學習搭積木（新聞推薦系統(tǒng)實戰(zhàn)項目開展組隊學習）：2021年12月8日發(fā)布的組隊學習中，貢獻者們齊心協(xié)力，做了一個具有前后端，以及整個推薦流程的系統(tǒng)。
開始用積木搭房子（fun-rec開源項目整體框架已經(jīng)完成）：至今，fun-rec項目經(jīng)過多次優(yōu)化和迭代，已經(jīng)有了一個比較像樣的架子了，希望可以幫助到更多有需要的同學，也希望有更多對開源項目感興趣的同學參與到其中來一起優(yōu)化這個項目。
教程內(nèi)容
未來想法
其實現(xiàn)在fun-rec仍然處于一個比較初級的階段，所以我們也會在自己的成長過程中，不斷地去優(yōu)化當前項目，讓其面向的人群可以更加的廣泛，進而幫助到更多的人。
對于未來發(fā)展主要有以下幾點：
優(yōu)化、迭代當前現(xiàn)有內(nèi)容（通過組隊學習、fun-rec社區(qū)成員自發(fā)的貢獻內(nèi)容、其他） 不斷增加新的內(nèi)容，例如冷啟動、重排等相關技術（fun-rec項目成員的成長，帶動fun-rec的發(fā)展） 積極組織fun-rec社區(qū)成員互相分享，一方面為fun-rec沉淀內(nèi)容，另一方面營造一個推薦算法相關的學習圈子 與Datawhale的另一開源項目Torch-RecHub一起把推薦系統(tǒng)技術相關的生態(tài)做起來，對Torch-Rechub感興趣的可以參考： Rechub Wiki： https://www.wolai.com/rechub/2qjdg3DPy1179e1vpcHZQC Rechub Github： https://github.com/datawhalechina/torch-rechub
希望那些熱于分享的大佬們，可以給fun-rec的發(fā)展提供一些建設性的意見，當然如果可以直接參與到項目的優(yōu)化中來，我們也是非常期待的！
致謝
fun-rec能走到今天，不是某一個人的付出和努力就可以實現(xiàn)的，是Datawhale社區(qū)內(nèi)很多成員不斷提供的幫助和支持、是參與到fun-rec項目中來的貢獻者們辛苦的付出、是每一個fun-rec學習者們對項目的認可和建議，一起換來的結果。未來也希望我們可以繼續(xù)加油，讓fun-rec越做越大，越做越強！
