开篇词
生活中每桩糟糕事,几乎都是时机不当的结果,每一件美好事,都是恰逢其时的结果。在恰到好处的时候,用户邂逅到美好的事物,想必正是一件美好的事情。是的,推荐系统就是促成美好的丘比特。试想,我们创造更多的丘比特,也就创造出更多的邂逅。这样,世界也变得更加美好了!
知识点汇总
1.时至今日,推荐系统已然成了一门显学,个性化推荐成了互联网产品的标配;
2.技术的不平等,广泛存在于业界,推荐系统也不例外。
3.推荐系统从搜索引擎借鉴了不少技术和思想,比如内容推荐有不少技术就是来自搜索引擎,由亚马逊发扬光大的基于用户(user-based)
和基于物品(item-based)的协同过滤将推荐系统技术从内容延伸到协同关系,超越了内容本身。
4.后来奈非搞了一个瓜分百万美元的土豪大赛,已矩阵分解为代表的评分预测算法如雨后春笋般出现。至此,机器学习和推荐系统走的越来越近。最近十年,深度学习和强化学习又将推荐系统带向了新的高度。
5.AI落地需具备几个基本元素:数据,算法,场景,计算力。
6.有一个趋势我是确信无疑的:世界在向网状发展,万事万物倾向于相互连接构成负责网络。复杂网络具有无尺度特点,表现是:少数节点聚焦了大量连接。这个现象不陌生,叫做马太效应,社交网络粉丝数、网络链接引用量、电商网站销量等等,无不如此。推荐系统的使命,就是要用技术对抗这种不平等。
7.面临现状,你其实需要这样的知识:
1.能解决系统起步阶段80%的问题;
2.已被无数产品验证过有用的东西;
3.遇到问题能够找到人或者社区交流,而非曲高和寡的前言技术;
4.知识之间有层次递进关系,也有分门别类的整理;
8.本专栏共包含36篇文章,分成五个模块详细介绍推荐系统的相关知识:
概念篇:介绍一些推荐系统有关的理念、思考、形而上的内容,虽然务虚但是必要;
原理篇:推荐算法的原理介绍,是俗称的干货。知道推荐系统背后技术的基本原理后,你可以更快地开发自己的系统,更好的优化自己的系统,并且更容易取学习专栏中未涉及的内容;
工程篇:推荐算法的实践内容。系统落地时需要一些纯工程上的大小事情,架构、选型、案例等;
产品篇:推荐系统要成功,还要考虑产品理念及其商业价值,因此这部分介绍一些产品知识和一点浅显的商业思考。
团队篇:从个人来说,就是该怎么学习和成长;从团队来说,就是该招多少人,该哪些人,以及产品经理和工程师该如何合作等问题。