推荐系统三十六式学习笔记：开篇词|用知识去对抗技术不平等

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。