如果你已经在做后端、数据或算法相关的工作，被安排去接推荐系统的需求，或者面试时总被问到召回、排序、特征工程这些词，却只能背出个大概，那这门「推荐高级班 第11期」值得你花时间了解一下。它由网易和七月联合研发，定位是体系课，不是那种听个热闹的科普讲座。
它解决的是哪个工作场景
推荐系统在招聘市场上一直有需求，但真正能上手的人不多。原因很简单：大部分资料要么停在协同过滤、矩阵分解这类经典算法，讲完就结束；要么直接跳到某篇论文，默认你已经有了完整的工程环境。中间那段——怎么从业务问题拆到召回策略、怎么处理特征、怎么评估线上效果——反而没人系统讲。
这门课瞄准的就是这段空白。从预习阶段开始，它先带你把主流推荐系统的组成和常用算法过一遍，让你知道一个推荐链路里召回、粗排、精排、重排各自在干什么。然后进入召回算法进阶和特征工程，这部分是实际工作中最耗时间、也最容易出问题的地方。学完之后，你至少能看懂团队里的技术方案，知道自己该从哪一层入手改。
学完能独立做什么
按照课程的设计，走完主要阶段后，你应该能独立完成几件事：针对一个具体的推荐场景，选择合适的召回策略并说明理由；整理用户侧和物品侧的特征，判断哪些特征值得进模型、哪些是噪声；对推荐结果做基本的离线评估和线上对照分析。这些不是纸上谈兵，课程里有案例贯穿，逼着你把算法和工程实现对上号。
需要说清楚的是，这门课不承诺你学完就能进大厂做推荐算法工程师。它更像一次系统的补课，帮你把零散的知识点串成能用的框架。如果你已经有机器学习基础，缺的是推荐方向的实战经验，它的帮助会很明显。
资料适合什么基础的人
- 有 Python 编程经验，能看懂基本的机器学习代码。
- 了解逻辑回归、GBDT 这类常见模型的大致原理，不要求推导公式。
- 对推荐系统有兴趣，但之前没有完整跟过一个推荐项目。
如果你完全没接触过机器学习，直接上这门课会有点吃力，建议先补一下基础概念。课程里虽然从预习阶段开始，但节奏不算慢，默认你有一定的工程直觉。
怎么用这份资料更有效
别把它当成视频合集从头刷到尾。更实际的做法是：先看预习阶段，确认自己缺哪块，缺的地方慢一点；进入召回和特征工程后，每看完一个模块，拿自己熟悉的一个产品场景去套——比如假设你要给一个内容社区做推荐，召回该怎么设计、特征从哪来。课程里的案例是别人的，你套一遍才是自己的。
另外，限免试听的两节——召回算法进阶和用户/物品特征方法——建议先听。这两节最能反映课程的实际深度和讲法，听完你再判断要不要继续，比看任何介绍都准。
总的来说，这门课适合想认真补推荐系统这块短板的人。它不轻松，但方向清楚，资料也够具体。如果你正卡在「知道一点但做不出来」的阶段，可以从试听开始判断。
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 预习阶段 掌握BAT推荐系统和常用算法 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 第一阶段 业界前沿召回算法与特征工程 开班宣讲 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（一） 在线直播：召回算法进阶实战（二） 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 在线视频：CTR预估进阶实战（上） 在线视频：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：基于微信视频号推荐算法的多目标与GNN实战（上) 在线直播：基于微信视频号推荐算法的多目标与GNN实战（下) 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 网易严选商品推荐系统的介绍与准备 在线直播：项目4 网易云音乐推荐系统的介绍与准备 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 网易严选商品推荐系统的特征工程与初步建模 在线直播：项目4 网易云音乐推荐系统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 网易严选商品推荐系统的迭代与优化 在线直播：项目4 网易云音乐推荐系统的迭代与优化 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 网易严选商品推荐系统的评估与总结 在线直播：项目4 网易云音乐推荐系统的评估与总结 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：补充项目 网易云音乐-直播推荐业务系统 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 第十一阶段 面试辅导与内推 1-内推包括且不限于互联网名企 2-跟踪每一个学员的就业动态，辅导每一次面试遇到的问题 在线实训带读 改进版协同过滤算法实战 谷歌wide&deep模型实战
