简介
从算法、架构和数据三方面阐述推荐系统的设计,通过该课程可以让受众学习到推荐系统的基本概念、常用的召回和排序算法、如何设计一套灵活的推荐后台系统、推荐系统中埋点设计和效果数据统计分析。
目标
从推荐概念了解整个系统的流程和框架;排序模型、深度模型、多目标模型等深度的前沿模型;推荐系统的架构和案例
受众人群
大数据工程师、技术经理、产品设计人员、运营分析部等对推荐有兴趣的朋友
课程时长
1天(6H)
分享提纲
1、推荐系统基础知识 | 1.1 推荐系统的概念 1.2 互联网推荐系统概览 1.3 推荐流程介绍 1.5 AB Test介绍 1.6 推荐效果的评价 1.7 推荐系统开发者的工作协调 |
2、推荐算法 | 2.1 推荐算法总体框架介绍 2.2 标签挖掘 2.3 召回算法 2.3.1 兴趣召回 2.3.2 协同过滤 2.3.3 热门召回 2.3.4 矩阵分解 2.3.5 DNN召回 2.4 排序算法 2.4.1 统计点击率排序 2.4.2 LR、FM、GBDT单模型排序 2.4.3 融合模型排序 2.4.4 深度模型排序 2.4.5 多目标模型排序 2.4.6 排序系统的设计 2.5 规则策略的迭代 2.6 展示样式的迭代 2.7 冷启动问题 2.8 探索和利用问题 2.9 案例分享 |
3、推荐系统后台架构设计 | 3.1 基于微服务的推荐系统总体架构 3.2 AB Test服务设计 3.3 基础存储服务设计 3.4 召回服务设计 3.5 排序服务设计 3.6 系统监控 3.7 服务性能调优 3.8 案例分享 |
4、推荐系统数据设计 | 4.1 埋点介绍 4.2 日志系统设计 4.3 推荐埋点设计 4.4 推荐效果数据统计分析 4.5 案例分享 |
5、总结和QA | 探讨贵公司业务场景下的推荐系统如何设计 |