目前,电商、短视频、广告、直播带货等无疑是工业界变现能力最强的业务领域,在这些商业模式的背后,推荐系统毫无疑问发挥着巨大的作用。
不论是让人欲罢不能的热门文章、短视频、直播,还是隔三岔五就会“过节”的网上购物,以及无法关闭的个性化广告,推荐算法已经渗透到了每个人的日常生活中。
推荐系统作为机器学习应用最成熟的场景之一,因其发展潜力巨大,以及可观的薪资水平,每年都会有很多人才涌入。
近年来随着行业的发展和市场的逐渐饱和,尤其是深度学习呈现出爆炸式的增长和强有力的实用性之后,企业对于推荐算法工程师的要求也越来越高,对从业者提出了新的挑战,当然,也是新的机遇。
推荐系统是理论与业务结合最好的机器学习应用场景,里面的算法设计和实现一般会与具体的业务强耦合。
在大多数时候,建模过程中的很多技巧都是在实践中踩坑、摸索得到的,很难在教科书上找到答案。而且,还有一个很容易被忽视的地方在于,在整个推荐系统中,为了实现算法落地,算法代码只占据了很小很小的一部分。
想要系统性完整性地掌握推荐系统,具有不小的挑战,主要体现在:
• 系统复杂:推荐系统具有较高的复杂性,为了从百万千万物品中在毫秒级时间内为每个用户提供服务,一般会将推荐系统拆成多个子系统,比如召回、粗排、精排和重排等等,对工程能力、算法能力的要求都非常高。
• 吃经验:推荐算法比较吃经验,很多问题只有在实际工作中才能发现,比如新用户、新物品的推荐等。
• 对数据量有要求:推荐算法只有在海量的数据下才能发挥大的作用,如果数据量达不到要求,对自身能力、对企业收益来说,很容易触达天花板。
• 工作分工:一般工作中,会将推荐系统拆解成不同的部分,然后由不同的人去做,比如有的去做召回、有的去做精排等,这样带来的后果是大多数人都不能窥视推荐系统的全貌。
我们新上市的《大规模推荐系统实战》这本书可以完美解决以上问题。立足实战经验,将算法和业务的紧密结合,聚焦工业界推荐算法的落地。
本书内容
本书从实战的角度介绍推荐系统,主要包含三部分:召回算法、排序算法和工程实践。
书中细致剖析了如何在工业中对海量数据应用算法,涵盖了从算法原理,到模型搭建、优化以及最佳实践等诸多内容。基本涵盖了推荐算法从业人员在实际应用中所要掌握的全部核心技能。
目录展示
适合人群
本书适合希望入门推荐算法的非行业从业者、希望在推荐算法领域进阶的行业从业者,以及希望全面了解推荐系统及其运作原理的技术管理者阅读。
推荐亮点
• 专业背景:一线互联网大厂推荐系统专家经验总结。
• 着眼实战:详细剖析大规模推荐系统从0到1,从1到N。
• 开箱即用:附带可以直接用于生产环境的所有主流推荐算法的代码实现。
作者介绍
阿星,曾在字节跳动、苏宁易购等企业负责推荐/广告算法的设计、开发和优化工作,在应对海量数据下的算法建模以及点击率/转化率预估等任务中积累了大量实战经验。目前就职于跨境电商巨头SHEIN,负责提升全球核心业务场景的流量分发效率。
文末福利