特别加餐 | “银弹”不可靠，最优的模型结构该怎么找？
该思维导图由 AI 生成，仅供参考
有解决推荐问题的“银弹”吗？
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
本文讨论了深度学习推荐模型的选择，并强调了模型结构的灵活性和因地制宜的重要性。作者以DIEN模型为例，指出模型的有效性与业务特点和数据特点密切相关。文章强调了模型选择的灵活性和因地制宜的重要性，为读者提供了深度学习推荐模型选择的思路和方法。作者还提出了算法工程师的正确工作方法，包括问题提出、数据和业务探索、初始解决方案、解决方案调优、工程落地调整、生产环境上线、迭代与复盘等步骤。最后，文章呼吁读者不要追求所谓的“银弹”，而是应该掌握业界的主流技术手段，建立自己的知识框架。总的来说，本文强调了在实践中不断进行参数调优，才能找到最合适自己业务场景的模型，同时提出了算法工程师的正确工作方法，为读者提供了实用的工作指导。
《深度学习推荐系统实战》，新⼈⾸单¥68
全部留言(14)
- 最新
- 精选
张弛 Conor我认为“没有银弹”，对于算法工程师而言恰巧是最好的情况。如果存在银弹，那么所谓的“银弹”就成了主角，到时候哪怕是没有任何知识背景和经历经验的人，按照说明书一步步操作“银弹使用教程”，就能获得企业的商业目标，那么还要算法工程师干什么呢？我认为“没有银弹”，正是体现算法工程师价值的地方。 虽然还没有工作，但我非常认同老师所说的“没有最好，只有最合适”的观点。感觉大道相同，很多事情的基本哲学都是相似的。我认为对于算法工程师而言，了解最新的模型结构，拥有体系的算法知识固然重要，但是了解自身业务特点，并能挑选最合适的技术组件来解决问题才是算法工程师的核心竞争力。 最后，非常感谢老师分享了自身多年的从业经验和方法论，让我纠正了一些思维上的误区。作者回复: 非常非常好的感悟，推荐给其他在校的同学和刚工作的同学。
2020-12-0154
Leo Zhao很好的流程总结。我觉得 前面还要加入 如何把算法工程的目标与业务目标对接。毕竟业务目标是从上到下拆解出来的，每次拆解 都有信息缺失和假设在里面。建立与业务联系 是个艺术和经验问题，需要很大的智慧和对业务的理解。比如 推荐系统精度提高5个百分点 对销售增长的意义是什么。 在业务中 算法工程师不得不要与domain experts 充分融合。作者回复: 这一点非常非常好，涉及到跨团队合作和一些education的问题。有机会我在最后一章再总结一些经验，多谢分享！
2020-12-0215
范闲作为一个服务端，看深度学习推荐系统和这个课程感触比较深的是 1.除了不涉及模型部分，其他技术栈基本一致，要求上更高一点 2.算法模型的落地也是因时因地制宜，和系统工程架构殊途同归，最终都是妥协和折中的结果。 3.没有银弹，从本质上来说我们更需要站到业务的角度来将业务问题技术化。站在技术的角度来看，如何探索新的可能性来提高业务的效率与收益。 4.业务与技术最终还是齐头并进的。作者回复: 非常好的感触分享。 所以我一直跟带过的新人强调，算法工程师首先是一名工程师，不能总盯着算法模型，它们是重要的，但远不是推荐系统的全部。 在实际的工作中，我们永远需要的是技术栈全面的工程师，能把你的机器学习知识落地才是真的影响力。 永远要避免学生思维，唯技术论，被所谓前沿技术奴役，而不是你去驾驭技术。一天不去除这个概念，就一天不会入高级工程师的门。
2020-12-0312
那时刻老师提到的避免学生思维颇有感触，从学生时代积累下的思维习惯，使我们想要一个标准答案，缺少了自己去探索与以反向思维去挑战答案。对于数据处理工作尤其明显，首先对于要处理的数据有清晰地认识，然后再依据数据特征去尝试模型，模型结果不理想的话，再返回来重新认识数据和对数据进行特征工程处理，再次尝试模型后者其它模型。感谢老师分享经验，以及模型的介绍，建立我们自己的知识体系，这样方便我们在实际工作中应用。作者回复: 非常好的感想，推荐给其他同学。也期待后续多分享自己的经验和总结，多谢分享！
2020-12-023
🍃本来还有各种焦虑，要怎么选模型，现在打消顾虑。与其找银弹，不如去适合当前场景的子弹。不存在万能，这也是算法工程师存在的意义。算法工程师除了具备机器学习、深度学习的基础知识，还得具备工程能力，最重要的能力是用这些手段实现业务需求，并不断自我思考，自我改进。做这个工作的乐趣也在于自我审视中成长！玄学炼丹，还有点哲学。作者回复: 说的很好
2021-05-082
小匚在选择模型时确实会看看某个功能的模型，最传统长什么样，最潮流最新的又是什么样。倒也不是追时尚，只是能明白这个模型哪个地方其实是可以调的，哪里可以换一下或者有其他的。具体决定用哪个还是要看业务和数据。作者回复: 是这样。对于最新的模型，借鉴思路是最重要的，不要追求完美复制，不要过多质疑为什么新的模型在你的场景不work。合适的才是最重要的。
2020-12-012
浣熊当家非常有帮助！！在学习了技术细节后，特别想听这种思维模式的指导，很难得，感谢老师作者回复: 最后一章会再总结分享一些经验，也欢迎多分享自己的想法。
2020-12-012
FayeChen老师我想请教一下，我是做楼盘推荐的，楼盘就有价格、面积这些属性，业务方希望对一个特定用户推荐的楼盘价格、面积的方差不要过大，我也明白这个要求非常合理， 但是模型结果有的时候是不受控制的，很难避免bad case 的发生。这个算是排序层后续的补充策略，希望老师能就这种带约束条件的推荐方法进行补充。作者回复: 这是一个比较特例的业务问题，不好讲有没有通用的解决策略。还是要你们自己从业务出发想一些约束和过滤方法。我们课程还是以通用的框架和原理讲解为主。
2021-03-2121
大魔王非常赞同老师说的作者回复: thumbs up
2020-12-011- 南海长风九万里这波加餐量太足了 哭了
作者回复: 加油
2021-07-01