不管是我们看的短视频、直播、文章还是浏览电商网站中的商品等，推荐系统都在其中发挥了巨大的作用。其背后的推荐算法对于很多人来说，似乎也是可望而不可即的。作为fun88官网应用最成熟的场景之一，推荐系统具有极大的商业价值，相关从业人员在市场上也具有更大的竞争力，很难被替代。但是想要深刻的掌握推荐系统又具有很大的难度，主要体现在：

• 对数据量要求很大，如果没有足够的数据，很难在工作中踩坑，于是就不容易更进一步；
• 吃经验，比如冷启动怎么解决、发生马太效应了怎么办等，只有足够的经验才能很好的解决；
• 理论落地问题，推荐系统 paper 千千万，能落地的没几篇：实际工作中到底是怎么用的？大公司又是怎么处理海量的数据，动辄 PB 级别的数据量亿级的特征又如何建模，怎么调优呢？

专栏亮点

1. 着眼于实战，关于fun88官网，已经有数不清的理论和书籍，然而真正谈论实践的却不是很多。
2. 技巧均来自于平时的工作中，而非纸上谈兵，旨在设计能够服务于日活千万用户、百万商品的个性化推荐系统。
3. 专栏中的所有算法代码均是可以在生产环境中运行的代码，而不是一些代码片段或者伪代码。

作者简介

专栏结构

第一部分：召回系统。 重点介绍推荐系统中常用的召回算法，包括 协同过滤、关联规则、词向量、YouTube 召回方案等，从理论基础到源码分析，并阐述各种召回算法的离线评估方法。

• 第1节 推荐系统架构
• 第2节 协同过滤：数据要怎么准备
• 第3节 协同过滤：自己动手实现它
• 第4节 协同过滤：怎么让它快速更新
• 第5节 Apriori 算法：点击啤酒推荐尿布，这是真的吗
• 第6节 FPGrowth 算法：关联规则生成地再快点再快点
• 第7节 FPGrowth 算法：它究竟怎么实现的
• 第8节 Word2Vec：什么是词向量
• 第9节 Word2Vec：这.....有理论依据吗
• 第10节 Word2Vec：它又是怎么实现的
• 第11节 Word2Vec：可是推荐系统中怎么用它
• 第12节 LSH：百万量级如何快速找到最近邻
• 第13节 LSH：怎么知道它找到的近邻是真的近邻
• 第14节 看看 YouTube 怎么召回的
• 第15节 HNSW：ANN 中的佼佼者，它的理论基础 - 跳表
• 第16节 HNSW：告诉我，为什么它这么快
• 第17节 说了这么多，这些召回算法如何做线下评测
• 第18节 线上指标好才是真的好：AB 测试应该怎么做

第二部分：排序系统。 主要讲解推荐系统中常用的排序算法，包括 特征工程、特征选择，深度学习中的参数调优以及常见的网络模型结构。详细说明在建模中遇到的正负样本严重失衡、正样本延迟、用户/物品冷启动等实际问题，当然还有排序算法的离线评估方法。

• 第19节 天啊，这么多特征应该怎么办啊
• 第20节 从逻辑回归到 FM：动手实现并不难
• 第21节 再到 Learning To Rank：它是怎么学习元素之间的顺序的
• 第22节 最后来到深度学习：基础结构长什么样
• 第23节 最常用的深度学习网络结构又长什么样
• 第24节 如何做一名合格的调参侠
• 第25节 建模的一堆现实问题：正样本延迟、数据失衡等
• 第26节 推荐中的排序模型应该如何做离线评估
• 第27节 离线指标节节高上线之后一片红，这咋分析啊
• 第28节 新上的物品推不出来，何解
• 第29节 新来的用户怎么知道TA喜欢啥，愁人
• 第30节 模型一天更新一次太慢了，能不能实时更新

第三部分：fun88官网平台。 这部分重心放在了分布式fun88官网训练平台搭建上，详细讲解一套成熟的fun88官网 pipeline，从 训练 到 serving 完整的流程，会教大家自己就可以搭建并运行起来的基于 K8S 的分布式训练平台。对于人力财力都异常充足的大厂，当然不用考虑这部分内容，但是从笔者的经验来看，大部分中小型公司在fun88官网平台选择上很容易陷入迷茫和令人挫折的不断尝试。

• 第31节 模型一训就是一个星期，怎么加速
• 第32节 一套成熟的 Tensorflow 代码框架：分分钟写个能跑的复杂模型不在话下
• 第33节 自己动手搭建分布式 Tensorflow 训练平台
• 第34节 我话讲完...你呢

你将学到

• 常用的召回算法、排序算法
• 算法的离线评估策略
• 推荐系统常用的冷启动策略
• 分布式 Tensorflow
• 如何搭建一套可用的分布式训练框架

订阅须知

• 本专栏为图文内容，共计 34 篇。每周更新一篇，预计 2021 年 2 月更新完毕。
• 本专栏为虚拟产品，一经付费概不退款，敬请谅解。
• 本专栏可在 GitChat 服务号、App 及网页端 www.xn--h1aalajfll.com 上购买，一端购买，多端阅读。

订阅福利

• 订购本专栏可获得专属海报（在 GitChat 服务号领取），分享专属海报每成功邀请一位好友购买，即可获得 25% 的返现奖励，多邀多得，上不封顶，立即提现。
• 提现流程：在 GitChat 服务号中点击「我-我的邀请-提现」。