|
由于近些年深度学习技术的飞速发展，大力加速推动了AI在互联网以及传统各个行业的商业化落地，其中，推荐系统、计算广告等领域彰显的尤为明显。由于推荐系统与提升用户量以及商业化变现有着密不可分的联系，各大公司都放出了众多推荐系统相关职位，且薪水不菲，目前发展势头很猛。但是，这里存在几个问题，很多欲从事推荐系统的同学大多数学习的方式是自学，1、往往是学了很多的推荐算法模型，了解些推荐里常用的算法，如：协同过滤、FM、deepFM等，但是却不清楚这些模型在工业界推荐系统中是如何串联、如何配合、有哪些坑，哪些trick的，导致无论面试还是真正去业界做推荐系统，都会被推荐领域的”老枪老炮“们一眼识别出小白属性。2、对于算法原理理解不深刻，这就会导致实际应用时不能很好地将模型的性能发挥出来，另外面试时对于大厂面试官的刨根问底，只能是眼睁睁的丢掉offer。CF、FM、DSSM、DeepFM等这些推荐业界明星模型，你真的清楚他们的内部运行原理以及使用场景吗？真的了解FM模型与SVM有什么相似之处吗？FM固然可以用作为打分模型，但它可以用来做matching吗，如果可以，如何做？item2Vec模型在业界是如何缓解冷启动的问题的？双塔模型优势在哪？深度模型到底是如何做matching的，是离线计算好结果还是实时的对网络进行前向计算？DeepFM具体实现时，wide端和deep端的优化方式是一样的吗？基于Graph的推荐方法在业界的应用目前是怎样的？基于上述的目的，贪心学院推出了《推荐系统工程师培养计划2期》，由一线的推荐系统负责人亲自全程直播讲解。 
对课程有意向的同学 添加课程顾问小姐姐微信 报名、课程咨询 逻辑回归模型 梯度下降法 神经网络模型 过拟合与正则 常用的评价指标 常用的优化算法 向量、矩阵基础
推荐系统概述、架构设计 推荐系统后台数据流设计 常用的技术栈 推荐系统中的评价指标 简单的用户协同 环境搭建
内容画像的搭建基础 关键词提取技术tf-idf, textRank LSTM与注意力机制 Attention的几种常用方式 Self-Attention Multi-head Attention 双线性Attention NLP工具的使用 MySQL数据库的搭建与内容画像存储
用户画像与内容画像的关系 用户画像的架构 用户画像的扩展 用户画像与排序特征 用途：基于标签的用户画像 标签权重的计算方法（贝叶斯平滑、时间衰减） 基于用户画像的召回方法 Redis的搭建与使用 基于Redis的用户画像存储 Hadoop, Hive, Spark等工具使用
MF召回法以及求解 特征值分解 传统奇异值分解之SVM FunkSVD ALS方法 SVD++ 基于物品的协同Item-CF
MF召回法以及求解 理解Embedding技术 Embedding为什么有效 Embedding与稀疏ID类特征的关系 Item-CF召回与Item2Vec Airbnb序列召回与冷启动缓解思路 NCF召回以及变种 YouTube召回方法 从DSSM到双塔模型 双塔模型工业界的部署方法 多兴趣召回 MIND召回 Faiss工具介绍 KD树，LSH，Simhash
Week7: Graph Embedding与用户行为构建图MIND召回 随机游走于传统协同方法 Deepwalk Node2Vec及其同质性与结构性 LINE 随机游走的实现 Alias采样方法 Neo4j讲解 Graph Embedding的实现 Node2Vec的实现
MIND召回 Graph Embedding优化 EGS，注意力机制及其变种 Ripple网络方法 召回层采样的坑与技巧 热度抑制 EGES的实现 GCN和GAT GraphSage
MIND召回 Ranking与用户画像 物品画像 LR模型 GBDT+ LR FM模型详解、业界使用方法与坑 FFM模型 AUC与GAUC 增量学习与Online Learning 从L1稀疏化、FOBOS到FTRL算法 基于FM实现Ranking精排序
Week10: 深度Ranking模型与工业采样技巧粗排与精排及其意义 主流深度推荐模型的集中范式 特征自动组合：Deep&Cross, XDeepFM, PNN 特征重要度提取以及无用特征去噪：AFM， DeepFFM 序列推荐模型：DIN，DIEN， AttRes，Stamp 独辟蹊径之序列推荐的优化思路 深度模型工具的介绍与使用 MLSQL DeepCTR等与工业界采样方法
Week12-13: 工业界新闻推荐系统中冷启动与热点文章实时召回人群分桶 实时交互正反馈 实时召回与实时画像技术 人群投票 人群等级投票 降维分发 后验与先验的结合 引入注意力机制的优化兴趣增加和衰减 热点文章召回策略 本地文章召回策略 算法策略与运营配合协作
Week14: 强化学习与推荐系统、AutoML与推荐系统强化学习概念、以及在推荐系统中的对应 DP算法本质思想 马尔科夫决策 蒙特卡洛搜索所树(MCTS) UCB及其在推荐系统中的应用 汤普森采样法 Q-Learning、DRN、策略梯度 强化学习在推荐场景中的应用
工业界项目的部署 推荐系统岗位的面试要点 大厂的面试攻略 如何准备简历、包装自己 职业规划
|
