你将获得
- 深度学习推荐系统的经典技术架构
- Spark、TensorFlow、Flink 等主流工具的实践经验
- Embedding 和多种深度推荐模型的原理和实现
- 亲手搭建一个完整的深度学习推荐系统
课程介绍
近年来,深度学习已成为了驱动推荐、广告、搜索业务的最强引擎。天猫每次双十一 2000 亿以上的惊人成交量,抖音 4 年时间用户日活破 6 亿,这背后都有深度学习的强劲助力。
与此同时,深度学习方向的推荐算法工程师,也因为高薪、名企这些标签,成为工程师们求职的热点。
与之伴随的是人才的高竞争和知识的快迭代,在深度学习时代,想要成为一名优秀的推荐工程师,我们不应该只满足于继续使用协同过滤、矩阵分解这类传统方法,而应该加深对深度学习模型的理解,加强对大数据平台的熟悉程度,培养与业务相结合的技术直觉,提高我们整体的技术格局,这些才是我们能否取得成功的关键。
针对上面的目标,王喆老师根据自己多年的推荐系统从业经验,梳理出了深度学习推荐系统的知识架构,并期望在这门课中和你一起从 0 搭建一个“工业级”的深度学习推荐系统,实现理论、实战两手抓!
课程模块设计
整个课程的结构遵循经典推荐系统的框架,共分为 6 个模块,分别是“基础架构篇”“特征工程篇”“线上服务篇”“推荐模型篇”“效果评估篇”“前沿拓展篇”。
基础架构篇:从宏观上,帮你建立起深度学习推荐系统的完整知识架构,做到“心中有高楼,并且手把手教你在自己的电脑上安装我们要实现的推荐系统 Sparrow RecSys ,建立初步的全局印象。
特征工程篇:重点讨论推荐系统会用到的特征,以及主要的特征处理方式,并在 Spark 上进行实践。此外,你还会学习到深度学习中非常流行的 Embedding、Graph Embedding 技术,并利用它们实现 Sparrow Recsys 中的相似电影推荐功能,在实践中快速成长。
线上服务篇:这一篇,你会实打实地搭建一个推荐服务器,它包括了服务器、存储、缓存、模型服务等模块和相关知识。通过这部分的学习,你会初步掌握 Jetty Server、Spark、Redis 等业界主流工具的使用,以及一个推荐工程师在工程领域的核心技能。
推荐模型篇:推荐模型是深度学习对传统推荐系统改进最大的地方,可以说是“推荐系统上的明珠”,也是整个专栏的重中之重。从中,你不仅可以学到 Embedding+MLP 、Wide&Deep、PNN 等深度学习模型的架构和 TensorFlow 实现,还能接触到注意力机制、序列模型、增强学习这些相关领域的前沿知识,拓宽技术视野。
效果评估篇:重点讲解效果评估的主要方法和指标,帮助你建立起包括线下评估、线上 AB 测试、评估反馈闭环的整套评估体系,真正能够用业界的方法而不是实验室的指标来评价一个推荐系统。
前沿拓展篇:围绕 YouTube、阿里巴巴、微软、Pinterest 等一线公司的深度学习推荐系统方案进行讲解,帮助你追踪业界发展的最新趋势,能融汇贯通地串联起整个知识体系。
课程目录
![](https://static001.geekbang.org/resource/image/f7/eb/f726e156d746381273bf70684c9fd8eb.jpg)
![](https://static001.geekbang.org/resource/image/86/73/866ef165163dbceb12903b2596741273.jpg)
![](https://static001.geekbang.org/resource/image/99/02/996a69d911814a20eb71012fca4e2002.jpg?x-oss-process=image/resize,m_fill,h_74,w_74)
机器学习工程师
![](https://static001.geekbang.org/resource/image/65/c0/65dc525140a25af39b780aaae65821c0.jpg)
![](https://static001.geekbang.org/resource/image/d4/74/d46d28c922505c8070eff6daa3192d74.jpg)
![](https://static001.geekbang.org/resource/image/e2/be/e2ca3fac4ce89053602b9e7a6d9c02be.jpg)
![](https://static001.geekbang.org/resource/image/aa/4e/aa1005366bab254e69de8391e172394e.jpg)
![](https://static001.geekbang.org/resource/image/c6/63/c68f8834b42308fd22aa41c1ce249363.png)
![](https://static001.geekbang.org/resource/image/1b/ba/1b55645096bc6d40623601e33f87bcba.jpg)