策略算法:
1)数学理论
i) 统计模型相关:概率论、数理统计、贝叶斯分析(很多以贝叶斯学派理论建模的统计模型,注如LDA等)、回归分析、时间序列分析、随机过程 等等
ii) 其他模型相关(相对用得较少):常微分、偏微分、组合学、拓扑学等等
iii) 模型求解相关: 矩阵论(基础知识)、数值优化、凸优化、随机模拟等
2)算法应用
i) 方法论:数据挖掘、机器学习、信息检索
ii) 算法教程:《Recommender Systems Handbook》
iii) 行业动态:各种推荐系统相关的paper和会议
iv) 研发工具:hadoop、spark、flume、storm、hive、hbase、kafka、redis、(java、c++) 、python 等等。
系统工程 :
1) 日志收集相关:flume、kafka(当然,不止应用到日志收集的环节)
2)分布式批处理框架:hadoop (Mapreduce)、spark
3) 分布式流式计算框架: storm
4)数据存储相关:hadoop (HDFS)、hive、hbase、redis、mysql、oracle、NoSQL等等
5)开源索引框架:lucene、elasticSearch
6)在线服务相关:web开发相关技术
我主要是做推荐算法开发、推荐系统的策略架构和工程架构设计以及部分工程架构开发。遗漏的地方,等后面的各位道友补充。