这门课解决什么工作场景

这套资料聚焦推荐系统核心链路，解决的是算法工程师在做内容分发时最头疼的两个环节：召回和排序。课程主线贴合大厂真实业务场景，比如信息流推荐、在线视频分发，并补充了腾讯广告算法大赛和微信视频号推荐这类实际项目。它不是泛泛讲理论，而是围绕推荐策略架构、召回算法实战、用户与物品特征工程展开。日常工作里，推荐算法岗经常面临召回不够准、排序模型效果上不去的问题，这门课就是带你拆解这些问题，从业务需求出发搭出能跑通的模块，而不是只会背概念。

适合什么基础与资料怎么配合练习

内容偏进阶实战，适合有 Python 基础、了解机器学习常规模型，想往推荐算法方向深钻或转岗的上班族。零基础直接啃会很吃力，建议先补线性代数和基础推荐概念。资料按阶段顺序编排，但建议先看两块限免试听：召回算法进阶和特征工程常用方法。这两块是整门课的骨架，先看能帮你判断难度是否匹配。具体使用时，视频讲解配合代码实操同步推进，重点跟着改进版协同过滤和基于 Embedding 的向量召回敲一遍。资料里的在线视频部分讲业务架构和最佳实践，代码部分用来练手，两者交替看，不要只看不动手。遇到 Graph Embedding 和 MIND 这类动态多兴趣模型，先理清论文思路再跑代码，别一上来就死磕公式。

学完能独立做什么

  • 能看懂信息流和视频推荐的策略架构，清楚召回、排序各环节怎么衔接，不再停留在单点概念。
  • 能独立实现协同过滤、Embedding 召回、Graph Embedding 等常见召回方案，并落地向量检索代码。
  • 能针对具体业务做用户和物品特征提取，用预处理和降维手段提升特征质量，而不是照搬现成模板。
  • 能上手 GBDT+LR 等排序模型，理解在线学习与实时计算在推荐系统里的作用，知道什么场景该用实时特征。
  • 能对照腾讯广告大赛和视频号推荐这类实际场景，把所学模块拼成完整链路，独立完成一个推荐系统的核心搭建。


限免试听：召回算法进阶实战限免试听：用户特征和item特征的常用方法第一阶段 业界前沿召回算法与特征工程第二阶段 业界常用排序算法第三阶段 在线学习与实时化计算

课程目录

*   限免试听：召回算法进阶实战/

  *   基于协同过滤的召回

  *   Embedding召回

  *   Graph Embedding与Youtube DNN

  *   动态多兴趣挖掘模型MIND

*   限免试听：用户特征和item特征的常用方法/

  *   item特征与user特征

  *   特征工程—预处理与降维

  *   GBDT+LR模型

  *   代码实战：基于Embedding的向量召回

*   第一阶段 业界前沿召回算法与特征工程/

  *   在线视频：推荐业务、feed流产品及推荐算法策略架构解析

  *   在线视频：召回算法和业界最佳实践

  *   在线视频：搜索和推荐的matching技术

  *   在线实训：改进版协同过滤算法实战

  *   在线视频：用户建模（召回、排序都会用到）

  *   在线实训：倒排索引项目实战

  *   在线视频：用户特征和Item特征的常用方法

  *   在线直播：召回算法进阶实战

*   第二阶段 业界常用排序算法/

  *   在线视频：排序算法&深度学习模型

  *   在线视频：Learn to Rank

  *   在线实训：谷歌wide&deep模型实战

  *   在线视频：商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序

  *   在线直播：CTR预估进阶实战（上）

  *   在线直播：CTR预估进阶实战（下）

  *   在线直播：2021排序算法发展趋势

*   第三阶段 在线学习与实时化计算/

  *   在线视频：分布式机器学习系统及其在排序模型中的应用

  *   在线视频：在线学习和相关技术

  *   在线实训 ：Online Learning 最新算法实现

  *   在线视频：基于Flink和Scala的实时计算

  *   在线视频：单机和分布式深度学习TensorFlow实践

  *   在线视频：基于flink和scala的实时计算

  *   在线视频：单机和分布式深度学习tensorflow实践

*   第四阶段 推荐系统最新技术/

  *   在线视频：学术界最新算法在BAT的应用

  *   在线视频：掌握真实业务场景下的推荐算法

  *   在线视频：多目标与多任务学习

  *   在线视频：推荐系统最新技术、场景、方向解析

  *   在线直播：学术界最新paper学习研究

  *   在线直播：大厂落地新的技术点

*   第五阶段 整体架构介绍与环境数据准备/

  *   在线直播：项目1 商品购买预测的介绍与准备

  *   在线直播：项目2 用户行为预测的介绍与准备

  *   在线直播：项目3 2020腾讯广告算法大赛的介绍与准备

  *   在线直播：项目4 微信视频号推荐的介绍与准备

*   第六阶段 特征工程与初步建模/

  *   在线直播：项目1 商品购买预测的特征工程与初步建模

  *   在线直播：项目2 用户行为预测的特征工程与初步建模

  *   在线直播：项目3 2020腾讯广告算法大赛的特征工程与初步建模

  *   在线直播：项目4 微信视频号推荐的特征工程与初步建模

*   第七阶段 模型的迭代与优化/

  *   在线直播：项目1 商品购买预测的迭代与优化

  *   在线直播：项目2 用户行为预测的迭代与优化

  *   在线直播：项目3 2020腾讯广告算法大赛的迭代与优化

  *   在线直播：项目4 微信视频号推荐的迭代与优化

*   第八阶段 模型的评估与总结/

  *   在线直播：项目1 商品购买预测的评估与总结

  *   在线直播：项目2 用户行为预测的评估与总结

  *   在线直播：项目3 2020腾讯广告算法大赛的评估与总结

  *   在线直播：项目4 微信视频号推荐的评估与总结

*   第九阶段 次项目的整体流程和核心技能点/

  *   在线视频：项目5 文本推荐系统的介绍与准备

  *   在线视频：项目5 文本推荐系统的特征工程与初步建模

  *   在线视频：项目5 文本推荐系统的迭代与优化

  *   在线视频：项目5 文本推荐系统的评估与总结

  *   在线视频：项目6 猜你喜欢场景下的推荐系统和项目7 Netflix推荐竞赛的整体流程和核心技能(一）

  *   在线视频：项目6 猜你喜欢场景下的推荐系统和项目7 Netflix推荐竞赛的整体流程和核心技能（二）

  *   在线视频：项目6 猜你喜欢场景下的推荐系统和项目7 Netflix推荐竞赛的整体流程和核心技能(三）

  *   在线视频：项目6 猜你喜欢场景下的推荐系统和项目7 Netflix推荐竞赛的整体流程和核心技能(四）

  *   在线视频：项目7 Netflix推荐竞赛整体流程和核心技能点

  *   在线实训：项目8 基于多任务特征学习的知识图谱增强推荐

*   第十阶段 项目总结和就业辅导/

  *   在线直播： 项目的总结与就业辅导

  *   面试辅导与内推

  *   开班宣讲