课程简介
随着移动互联网的深入发展,相信大家对如下场景并不陌生:
打开新闻APP,会自动展现喜欢看的内容 打开音乐软件,推荐的都是我们想听的歌 打开淘宝,推送的都是想买的东西
这就是推荐系统的功劳,推荐系统已经深入到我们生活的每一个角落。随着计算能力的
突破,大数据应用的普及,很多应用都能做到千人千面,毫不夸张地说,未来推荐系统
会成为所有数据型产品的标配。个性化时代已经到来!
推荐系统是一种高效的信息分发解决方案,对于任何一家提供产品/服务的toC互联网公
司,利用推荐系统都可以高效地进行内容的分发与推荐,从而更好为公司提升用户使用
体验、创造商业价值。
但是,构建一套完善、稳定、高效、低成本、灵活的推荐系统是一件非常困难的事情,
涉及到数据、算法、工程、产品交互、业务指标等方方面面,只有对这些知识点有深入
全面的了解,再结合公司的业务才能构建出具备商业价值的推荐系统,而这正是本次课
程的目标。本次课程将工业级推荐系统所涉及到的所有核心知识点进行归纳、总结、浓
缩,并结合案例来帮助学员学习怎么打造出一套有价值的工业级推荐系统。
我从2010年开始一直从事推荐系统与大数据相关研发工作,熟悉推荐系统全链路相关技
术点,在推荐算法、工程实践、推荐业务与产品、推荐价值产出等方面积累了丰富的实
战经验,本次课程也是作者多年实践经验的浓缩与提炼。
期望本次课程可以帮助学员更好、更全面地理解工业级推荐系统相关的知识点,学以致
用,让推荐系统真正帮助企业更有效地分发内容、产出商业价值!
目标收益
学习完本课程后,学员的主要收获有:
(1) 从企业级应用的角度对推荐系统有一个全面的认知,知道推荐系统的技能要求、价值、应用场景;
(2) 了解最主流的推荐算法基本原理;
(3) 熟悉推荐系统的产品形态,针对不同的产品怎么更好地整合推荐系统以发挥业务价值;
(4) 了解在真实业务场景中怎么做好推荐系统,让推荐系统真正产生商业价值;
(5)获得讲师十多年实践推荐系统的经典案例和经验;
培训对象
本课程适合对推荐系统感兴趣的或者自身工作与推荐系统相关的算法工程师
课程大纲
第一篇:推荐系统背景知识介绍 |
1. 推荐系统介绍与知识储备; 2. 推荐系统应用场景及价值; 3. 推荐系统团队组成及角色定位; 4. 推荐系统的未来发展; |
第二篇:推荐系统算法 |
1. 数据与特征工程; 2. 推荐系统离线评估; 3. 基于内容的推荐算法; 4. 协同过滤推荐算法; 5. 矩阵分解推荐算法; 6. 深度学习推荐算法; 7. 推荐系统排序算法; 8. 推荐系统冷启动; 9. 实时推荐系统; |
第三篇:推荐系统工程 |
1. 开源平台及工具介绍; 2. 推荐系统业务流与架构; 3. 推荐系统AB测试; 4. 在线评估:指标体系; 5. 推荐系统服务; 6. 推荐系统解释; |
第四篇:推荐系统产品与交互 |
1. 推荐系统常用业务场景与产品形态介绍; 2. 推荐系统的UI交互介绍; 3. 推荐要素的视觉展示; |
第五篇:工业级推荐系统案例 |
1. 怎样从零开始构建一个工业级推荐系统; 2. 相似推荐案例; 3. 个性化推荐案例; 4. 信息流推荐案例; |
第一篇:推荐系统背景知识介绍 1. 推荐系统介绍与知识储备; 2. 推荐系统应用场景及价值; 3. 推荐系统团队组成及角色定位; 4. 推荐系统的未来发展; |
第二篇:推荐系统算法 1. 数据与特征工程; 2. 推荐系统离线评估; 3. 基于内容的推荐算法; 4. 协同过滤推荐算法; 5. 矩阵分解推荐算法; 6. 深度学习推荐算法; 7. 推荐系统排序算法; 8. 推荐系统冷启动; 9. 实时推荐系统; |
第三篇:推荐系统工程 1. 开源平台及工具介绍; 2. 推荐系统业务流与架构; 3. 推荐系统AB测试; 4. 在线评估:指标体系; 5. 推荐系统服务; 6. 推荐系统解释; |
第四篇:推荐系统产品与交互 1. 推荐系统常用业务场景与产品形态介绍; 2. 推荐系统的UI交互介绍; 3. 推荐要素的视觉展示; |
第五篇:工业级推荐系统案例 1. 怎样从零开始构建一个工业级推荐系统; 2. 相似推荐案例; 3. 个性化推荐案例; 4. 信息流推荐案例; |