推荐系统功能设计
随着算法模型应用场景逐渐推广,基于机器学习的推荐系统因可以给企业带来较为直观的业绩提升,因此,逐步在各个行业中出现较多的推荐场景可推荐的需求。进而促使了推荐系统的发展,推荐系统虽是始于模型,但却不仅仅限于模型。在工业界好的推荐效果往往是模型和工程化的相互配合,相互借力,从而达到更佳效果。因此推荐系统是一个体系较为庞大了系统体系,涉及到从数据探索,特征工程,模型开发,模型serving,A/B Test,统计分析等流程。数据栈更是涉及了大数据领域的大部分技术栈,包括但不限于:GP,HIVE,Hadoop,Flink,Spark,Flume,Kafka,S3等是一个较为复杂的系统体系,在盘点和复盘项目的同时,结合现有的主流推荐系统流程,我整理了学习的纲要,如果有同学也正在做推荐系统的工作或是也会推荐系统这个领域感兴趣,希望我的提纲和脑图能够对各位同学的学习提供一定的辅助,同时也欢迎各位同学一起讨论。