专栏首页小小挖掘机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

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。

本文分享自微信公众号 - 小小挖掘机(wAIsjwj)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-06-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 推荐系统走向下一阶段最重要的三个问题

    推荐系统和搜索引擎一直是比较火热的技术,因为离商业化比较近。她们是互联网领域两个衣着光鲜的美人,小腰一扭就是钱的味道。这几年凭借着两个红利:

    石晓文
  • 推荐系统遇上深度学习(三十二)--《推荐系统实践》思维导图

    本文是项亮《推荐系统实践》一书的思维导图,这本书介绍了推荐系统中最基本的方法、冷启动问题及解决方案、如何利用标签、上下文信息以及社交网络数据进行推荐等内容,对想...

    石晓文
  • 推荐系统评价:什么是好的推荐系统

    什么是好的推荐系统?佛陀没有定义过,人类也没有定义过。但一个系统的好坏往往需要全链路的评定,贯穿于用户的整个交互过程。之所以说好的推荐系统更难定义,是因为虽然算...

    石晓文
  • 推荐系统干货总结

    推荐系统是一个相当火热的研究方向,在工业界和学术界都得到了大家的广泛关注。希望通过此文,总结一些关于推荐系统领域相关的会议、知名学者,以及做科研常用的数据集、代...

    张小磊
  • 21张知识卡,告诉你推荐系统的核心技术

    推荐系统目前已经深入到了互联网的各类产品中。不管是到电子商务网站购物,还是到新闻阅读网站获取信息,甚至是在出行的时候希望听到不同的音乐,不同种类的推荐系统都在我...

    IT派
  • 如何成为一名推荐系统工程师

    用户1737318
  • 深度丨吴恩达团队最新论文:用CNN算法识别肺炎影像,准确率超过人类医生

    大数据文摘
  • 阿里、京东、快手、华为......他们是如何构建一个个推荐系统“帝国”的?

    推荐系统在人们的日常生活中随处可见,成为我们生命中不可或缺的一部分。作为当今应用最为广泛和成熟的 AI 技术之一,它是信息生产者、传播者与用户之间的桥梁,可以让...

    AI科技大本营
  • 神奇的推荐系统:用得好,销量倍增

    以下节选自克里斯·安德森的《长尾理论》一书:「在 1988 年,一位名叫乔·辛普森的英国登山者写了一本书,名为《触摸巅峰》,这本书讲述了他在秘鲁安第斯山脉接近死...

    机器之心
  • 推荐系统遇上深度学习(三十二)--《推荐系统实践》思维导图

    本文是项亮《推荐系统实践》一书的思维导图,这本书介绍了推荐系统中最基本的方法、冷启动问题及解决方案、如何利用标签、上下文信息以及社交网络数据进行推荐等内容,对想...

    石晓文

扫码关注云+社区

领取腾讯云代金券