计算广告系统学习路径记录

很早之前就想把互联网广告业务系统性的学习一遍，奈何工作和生活一直很忙，终于最近要从上家公司离职了，可以开始做一些系统性的梳理。

这篇文章大概的框架如下

目录

一、互联网广告技术架构

二、技术知识点（保持更新中）

1、因果推断 （uplift建模）

2、广告反作弊

3、推荐算法

传统推荐算法

深度学习算法

 4、广告工程之——Flink流处理平台

三、互联网广告的业务知识、上下游产业链等

附录：涉及图书的网盘链接

---

---

一、互联网广告技术架构

1、计算广告系统技术框架，来源文章为王喆："深度"学习计算广告，这篇文章还对比了推荐系统和广告系统的架构，非常值得一读！这个架构是目前我看到的比较全和比较新的，本篇也会以这张图来展开后续的技术知识点。

图1 计算广告系统技术框架

补充一下经典著作《计算广告》刘鹏、王超著，9.3节中的计算广告系统架构。图1相较于图2，更突出了算法的部分，上图的细节也更多。但是图2更清晰的展现了哪些结构部署在流计算平台、分布式计算平台中，可以补充着看看。

图2 在线广告系统一般性架构示意

二、技术知识点（保持更新中）

1、因果推断 （uplift建模）

uplift建模的4种方法-CSDN博客

2、广告反作弊

广告反作弊思路分享-CSDN博客

3、推荐算法

基本沿着《深度学习推荐系统》王喆的思路，将以下算法实现一遍，期待我的github链接

• 传统推荐算法

  • 逻辑回归、
  • 因子分解机、
  • 协同过滤
  • 组合模型

• 深度学习算法

  • DNN
  • Wide&Deep、FM与深度学习的结合、注意力机制在模型中的应用
  • AutoRec、DeepCrossing、NeuralCF、PNN

附一张深度学习推荐系统的演化关系图

 4、广告工程之——Flink流处理平台

（直接上手写的话，看笔记4、5就行）flink中文文档 https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/concepts/overview/

• 1） 介绍flink的一些基本概念，数据从哪里读取并写入哪里，flink中表的创建、查询、写入flink1-概念_鲸鱼在dn的博客-CSDN博客
• 2） 介绍flink的“流式概念”，如何在没有边界的“流”中定义出与离线系统类似的语义，flink的动态表、时间属性、时态表，flink2_流式概念-CSDN博客
• 3） flink的数据类型ARRAY、MAP、MULTISET、ROW flink3_流式聚合和数据类型_鲸鱼在dn的博客-CSDN博客
• 4） flinkSQL从source数据中取数、动态表处理、写入sink的方式；join的方式，受连接条件限制的普通连接、受时间和连接条件限制的间隔器连接、时间连接flink4_flink SQL_flink支持动态sql-CSDN博客
• 5） 用java写的自定义函数，标量函数及表值函数的开发指南 flink5_自定义函数_鲸鱼在dn的博客-CSDN博客

三、互联网广告的业务知识、上下游产业链等

《信息流广告入门》学习笔记-CSDN博客

因果推断、用户增长、广告系统 文章合集-CSDN博客