很多老读者都知道王老湿目前做工作方向是推荐系统相关，实不相瞒，在我当初入门学习推荐系统的时候，碰到了很多的问题，后来通过寻找各种渠道相关的资料，一点点查缺补漏，慢慢地将推荐系统相关的知识补齐了，总之过程不易啊。
前段时间偶然发现了一个作者： Thinkgamer，深入了解时发现他竟然在过去地一年多时间里吭哧吭哧地写了非常多的推荐系统相关的文章，而且我以前竟然没有发现有这样的人物存在。要是我早点能发现，我想我推荐系统的入门之路会比以前轻松不少。前人栽树，后人乘凉。这次就推荐给你们吧。下面就是一些相关的文章。
《推荐系统开发实战》之从搭建一个电影推荐系统开始学推荐系统开发实战
《推荐系统开发实战》之基于用户行为特征的推荐算法介绍和案例实战开发
《推荐系统开发实战》之基于上下文的推荐算法介绍和案例实战开发
《推荐系统开发实战》之基于点击率预估的推荐算法介绍和案例开发实战
《推荐系统开发实战》之三大案例带你从0到1自己实现一个推荐系统
《推荐系统》基于用户和Item的协同过滤算法的分析与实现（Python）
别只看起来 Thinkgamer 写出的上面的这些文章，实际上他自己是付出了非常多地努力之后，并且有了一定地积累之后，才输出了这些优秀的文章。你可以看看他的情况简介~
他在校期间，自学了Hadoop，Spark和算法相关的知识，将自己的时间利用到极致，在保证基本学习时间的同时，还参加各种比赛来增强自己的实战经验，毕业后便加入京东，担任算法工程师，同时利用自己的业余时间不断学习和写作，完成了《推荐系统开发实战》一书。原始的付出让他有实力去了大厂，大厂的经验让他有能力作为算法带头人！
关于他
唯一 ID： Thinkgamer
曾就职于：京东商城 - 算法工程师
CSDN 博客：https://blog.csdn.net/gamer_gyt
著作：《推荐系统开发实战》
在校期间自学 hadoop、spark、机器学习算法，毕业后便从事于推荐算法相关的工作，在校期间研究基于 PageRank 的社区划分，参加过全国计算机作品大赛，获国家三等奖。
作者目前精力主要集中在推荐算法和系统方面，在研究过程中会涉及机器学习，深度学习和强化学习，也经常会把相关的经验和知识分享在公众号，同时还组建有自己的技术交流群。
感兴趣的小伙伴，关注公众号，添加作者微信，拉你入群！进行技术讨论和资料分享！
该公众号内容丰富，发表的内容除了前面说的推荐系统相关外，还涉及以下几方面：
报告分享
资料分享
【论文】Entire Space Multi-Task Model
2018AICon PPT | Python实现下载图片并生产PDF文件
吴恩达《Machine Learning Yearning》中文版！
新年福利 | 不用转发 | 不用拼赞 ——愿所有热衷梦想的人都能美梦成真
近200篇机器学习&深度学习资料分享（含各种文档，视频，源码等）
机器学习
线性模型篇之Logistic Regression数学公式推导
基于线性回归看偏差-方差分解（Bias-Variance Decomposition）
机器学习之梯度提升决策树-GBDT（Gradient Boosting Decision Tree）
机器学习之梯度算法之批量梯度下降，随机梯度下降和小批量梯度下降
深度学习
深度学习中的epochs、batch_size、iterations详解
TensorFlow之基于神经网络实现Mnist数据集的多分类
TensorFlow实现Mnist数据集的多分类逻辑回归模型
TensorFlow 特征工程: feature_column
大数据
Spark排序算法系列之模型融合(GBDT+LR)使用方式介绍
Spark排序算法系列之（MLLib、ML）LR使用方式介绍
Spark之多分类实现方式介绍和在Spark上实现多分类逻辑回归
Spark之多分类逻辑回归（Multinomial Logistic Regression）
所思所想所记
水长城-除了长城全是水的地方
附赠 Github 图书资料 Repo：
https://github.com/Thinkgamer/books
资料共享群组：
https://share.weiyun.com/5t3X7lI-g
未来计划
未来公众号的更新主要会集中在推荐，搜索和算法方向，会更加注重系列性的更新，避免断崖式更新，让读者更加注重知识的连贯性。接下来会注重更新三大系列：
论文系列
深度学习与排序系列
用户画像与物品画像系列
同时也会更加注意文章的实操性和独立思考，在各种技术号的涌动下，保持此号的独特性和针对性。
当年大家如果有什么感兴趣的或者不懂的点，也可以反馈给公号，愿与君共进步。
关于【搜索与推荐Wiki】 专注于推荐系统，深度学习，机器学习，数据挖掘，云计算，人工智能，架构和编程等技术干货的分享和探讨，偶尔会推送一些福利，文字，摄影和游记，扫码关注，不再孤单。
在看和转发
都是一种支持
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
