前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R&S | 手把手搞推荐[0]:我的推荐入门小结

R&S | 手把手搞推荐[0]:我的推荐入门小结

作者头像
石晓文
发布2019-06-17 16:37:28
5800
发布2019-06-17 16:37:28
举报
文章被收录于专栏:小小挖掘机

去年年末至今,学习推荐系统已经接近半年,在各种事情的忙碌下,依然坚持着完成一些自学,推荐系统的入门流程逐渐到达尾声,自己学的内容也逐步完善,门是基本入了,所以打算写一个小系列,在自己的设备、数据条件允许的前提下,把一些关键但是基本的模型给实现一遍。难得、前沿的可能还有待进一步学习,有问题欢迎指正。

学习历程

至于为什么想学推荐系统,可以看看我这篇历史文章:技术向:推荐学习推荐系统(深度思考,不是广告)

最开始的学习是想看项亮老师的《推荐系统实践》,相信很多前辈也从这本书里获益匪浅,这本书我是基本看完了,但是感觉意犹未尽,在深度学习如此流行的环境下,推荐系统肯定不止于此,于是砸钱报了一波七月在线的推荐系统课。

七月在线的课吧,其实我一直对这种基本的课没有太高的要求,不希望从课堂上真正学到什么,而是让我知道,我该学什么,这门课肯定是做到的,虽然后续的课程因为很多原因我没有跟上,但是在录屏和PPT的帮助下,我把老师课上说的,以及老师提到的资料都认真看了,我想这才是我最大的收获。

目前的状态是,理论基本都能get,架构也基本理解,甚至有一定能自己弄一个简单的架构的思想萌芽,对整个流程有比较深入的理解,相信这是一个比较重要的里程碑吧,缺的可能是动手吧,在未来很短的一段时间内,我会集中一些精力在一套数据下尝试一些基本的模型。

入门策略建议

我想很多人肯定是想知道我的学习建议,我就来谈一下吧。

首先,恳请各位想入门机器学习的同学,认认真真先把机器学习搞懂,推荐里面大量机器学习、深度学习模型。还有很多有关数据层面、特征层面的工作,所以不要指望算法小白能够直接看懂里面的东西,这点在我看来推荐系统并不友好。

第二,从协同过滤入手,看一些基本的理论,在召回层面了解一些基本的知识,适当情况可以动手实践一下。

第三,排序阶段,从CTR预估之类的典型问题的处理,如LR、FM、FFM系列模型,到wide&deep等,另外是矩阵分解,对ID类特征的处理,借用NLP中embedding的一套深度了解,甚至到一些更前沿的模型,铺开了解并且掌握。

第四,在这些都基本了解的基础上,去看一些企业的经验和case,如我之前写过的Youtube、爱奇艺等,深入了解,看看企业级的是怎么做的,不过放心,他们告诉你的一定是他们基本已经不用的东西,顶多是第一版上线的基线模型,尽管如此,对于新手、从无到有建模而言,已经绰绰有余。

第五,非常建议大家看看论文,尤其是顶会的、著名企业的论文,多去看看学学,这些都是面向实践非常重要的论文;对于学术界,就针对自己的问题去找论文吧,记得最好从顶会下手。

我的学术研究方向不在这块,在NLP,因此推荐系统的学术界了解不如各位大佬那么深,就不继续深说啦。

补充一句,抛开实现谈理论,在这块肯定不可行的,纸上得来终觉浅,绝知此事要躬行,动手敲几行代码吧。

学习材料

很多人问我有什么好的学习材料其实我自己非常头疼,因为我不知道对你来说什么是好的学习材料,也不知道你的基础怎么样,直接给你佛朗西斯科的你可能要捶我对吧,虽说现在推荐系统还在开荒阶段,学习资源少,但是从百度等完了过去到终究是找得到资源的。

无差别的,我说几个比较建议大家看的材料吧。

书籍

  • 《推荐系统实践》,项亮。以协同过滤为基点去写的书,对实际业务也有很多独到的理解,冷启动等,说的很清楚,适合对背景不太熟悉的同学。
  • 《推荐系统-技术、评估及高效算法》,弗朗西斯科等。推荐系统界的算法导论,我就说到这吧,见仁见智。
  • 《推荐系统与深度学习》,清华大学出版社那本。在书里面,讲的可以说非常前沿了,对一些具体问题怎么处理讲的十分详细,还有代码,基线模型基本都有了,可以参考。
  • 《计算广告》,刘鹏等。这本书业内也非常出名,对广告领域、推荐领域的很多问题都说的很详细,甚至是和产品等有关工作者看。
  • 《用户网络行为画像》,牛文佳等。简单提到推荐系统,但是在推荐系统这种面向用户、复杂特征的问题,还是非常适用的。

多说无益,重要的是看完吧。

其他材料

说到课,别的没上过,七月在线的推荐系统课还算合适,说不定你们还能在群里看到我哈哈哈(别加我QQ,基本不用),不过提醒,指望一门课几十个小时就把你讲懂了都会了,做梦,自己去认真看老师给的材料,自己动手做,才会有搜获,别整天等着别人把东西往你的嘴里喂。这门课,基本知识在我的视角下都讲到了。(没收广告费)

论文吧,经典论文多看看,上面提到了此处不赘述。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-06-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 小小挖掘机 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 学习历程
  • 入门策略建议
  • 学习材料
    • 书籍
      • 其他材料
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档