极客时间出品的《推荐系统三十六式》由刑无刀所作，刑无刀是“贝壳找房”资深算法专家，8年推荐系统工程师。本专栏课程解决你推荐系统80%的问题。
订阅价格：
订阅价： ¥68。已有10064 人已学习 · 已完结本课程为图文+音频课程。可在极客时间APP/小程序/网站上永久观看。
用我的邀请购买，返现24元。购买的朋友请加我微信号 dismissmewp ，备注：返现。
《推荐系统三十六式》专栏简介
“推荐系统三十六式”是由链家网资深算法专家刑无刀（陈开江）撰写并维护的精品专栏内容。
PC 时代是搜索的天下，而移动时代则是推荐的主场。
最近十年尤其最近五年，借助推荐系统的技术和名头，异军突起的互联网产品越来越多，推荐系统成了互联网产品的标配。甚至有人说在未来，推荐系统会成为所有数据型产品的标配。
而推荐系统前方的技术蓬勃发展，后方却落地困难。审视推荐系统的技术应用现状，大厂们一骑绝尘，太多中小厂的工程师们还不知道一个推荐系统如何从 0 到 1 诞生，需要去了解哪些知识。
本专栏为推荐系统学习者架构起整体的知识脉络，并在此基础上补充实践案例与经验，力图解决你系统起步阶段 80% 的问题。
《推荐系统三十六式》讲师介绍
刑无刀（本名陈开江），现为“贝壳找房”资深算法专家，从事算法类产品的研发。曾任新浪微博资深算法工程师，考拉 FM 算法主管。 刑无刀有 8 年的推荐系统方向从业经历，他在算法、架构、产品方面均有丰富的实践经验。同时，他也是中国最专业推荐技术与产品社区之一 ResysChina 的特约作者，有长期的技术写作经验。
《推荐系统三十六式》专栏模块
专栏共三个月，36 期，分五个模块介绍推荐系统知识。
概念篇：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与干货。了解推荐系统背后技术的基本原理后，你可以更快地开发和优化自己的系统，并且更容易去学习专栏中未涉及的内容。
工程篇：推荐算法的实践内容。介绍推荐算法落地时需要一些纯工程上的大小事情，架构、选型、案例等，为你的实践之路推波助澜。
产品篇：推荐系统要成功，还要考虑产品理念及其商业价值，此处介绍一些产品知识和一点浅显的商业思考。
团队篇：个人该如何学习和成长，团队该招多少人又该有哪些人，以及产品经理和工程师该如何合作等问题。
《推荐系统三十六式》课程目录
概念篇 | 你真的需要个性化推荐系统吗 个性化推荐系统那些绕不开的经典问题 你应该具备这些必须的思维模式 |
原理篇 | 画鬼容易画人难，用户画像的能和不能 从文本到用户画像有多远 超越标签的内容推荐系统 人以群分，你是什么人就看到什么世界 解密“看了又看”和“买了又买” 协同过滤中的相似度计算方法有哪些 Netflix Prize中大放异彩的那些推荐算法 Facebook怎么为十亿人互相推荐好友 如果你只关注排序效果，那么这个模型可以帮到你 经典模型融合办法：线性模型和树模型的组合拳 一网打尽协同过滤、矩阵分解和线性模型 Goole的杀器：深度和宽度兼具的融合模型Deep&Wide 简单却有效的Bandit算法 Bandit算法如何结合上下文信息 如何将bandit算法与协同过滤结合使用 深度学习在推荐系统中的应用有哪些 RNN为网络音乐自动构缍个性化播单 构建一个科学的排行榜体系 按照权重取出用户标签 推荐候选池的去重策略 典型的值患流推荐架构是什么样的 |
工程篇 | 典型的信息流推荐架构是什么样的 Netflix个性化首页架构 统一看推荐架构和搜索、广告的关系 详解日志收集的关键要素 让你的推荐系统反应更快，谈谈实时推荐 让量化指标的落地，你需要一个实验平台 推荐系统服务化，存储选型及API设计 推荐系统的测试方法及常用指标介绍 道高一尺魔高一丈：推荐系统的攻防 推荐系统有关的开源工具及框架介绍 |
产品篇 | 推荐系统在互联网产品商业链条中的地位 短视频、朋友圈、兴趣feed：说说信息流的前世今生 |
团队篇 | 组建一支个性化推荐团队及推荐系统工程师的学习路径 |
适宜人群
- 正在参与、或想转型从事推荐系统工作的工程师和架构师；
- 个性化推荐产品经理及运营人员；
- 对推荐系统感兴趣的在校学生；
- 希望自我精进的泛互联网从业者。
我的公众号：猿人学 Python 上会分享更多心得体会，敬请关注。
***版权申明:若没有特殊说明，文章皆是猿人学 yuanrenxue.con 原创，没有猿人学授权，请勿以任何形式转载。***
说点什么吧...