[极客时间]推荐系统三十六式-刑无刀

课程介绍

PC 时代是搜索的天下，而移动时代则是推荐的主场。

最近十年尤其最近五年，借助推荐系统的技术和名头，异军突起的互联网产品越来越多，推荐系统成了互联网产品的标配。甚至有人说在未来，推荐系统会成为所有数据型产品的标配。

而推荐系统前方的技术蓬勃发展，后方却落地困难。审视推荐系统的技术应用现状，大厂们一骑绝尘，太多中小厂的工程师们还不知道一个推荐系统如何从 0 到 1 诞生，需要去了解哪些知识。

本专栏为推荐系统学习者架构起整体的知识脉络，并在此基础上补充实践案例与经验，力图解决你系统起步阶段 80% 的问题。

概念篇：推荐系统有关的理念、思考，形而上的内容，虽然务虚但是必要。

原理篇：推荐算法的原理介绍与干货。了解推荐系统背后技术的基本原理后，你可以更快地开发和优化自己的系统，并且更容易去学习专栏中未涉及的内容。

工程篇：推荐算法的实践内容。介绍推荐算法落地时需要一些纯工程上的大小事情，架构、选型、案例等，为你的实践之路推波助澜。

产品篇：推荐系统要成功，还要考虑产品理念及其商业价值，此处介绍一些产品知识和一点浅显的商业思考。

团队篇：个人该如何学习和成长，团队该招多少人又该有哪些人，以及产品经理和工程师该如何合作等问题。

tree -L 2
.
├── 01-开篇词 (1讲)
│   ├──  00丨开篇词丨用知识去对抗技术不平等.html
│   ├──  00丨开篇词丨用知识去对抗技术不平等.mp3
│   └── 00丨开篇词丨用知识去对抗技术不平等.pdf
├── 02-第1章 概念篇 (3讲)
│   ├── 【概念篇】个性化推荐系统那些绕不开的经典问题.html
│   ├── 【概念篇】个性化推荐系统那些绕不开的经典问题.mp3
│   ├── 【概念篇】个性化推荐系统那些绕不开的经典问题.pdf
│   ├── 【概念篇】你真的需要个性化推荐系统吗.html
│   ├── 【概念篇】你真的需要个性化推荐系统吗.mp3
│   ├── 【概念篇】你真的需要个性化推荐系统吗.pdf
│   ├── 【概念篇】这些你必须应该具备的思维模式.html
│   ├── 【概念篇】这些你必须应该具备的思维模式.mp3
│   └── 【概念篇】这些你必须应该具备的思维模式.pdf
├── 03-第2章 原理篇 (20讲)
│   ├── 【MAB问题】如何将Bandit算法与协同过滤结合使用.html
│   ├── 【MAB问题】如何将Bandit算法与协同过滤结合使用.mp3
│   ├── 【MAB问题】如何将Bandit算法与协同过滤结合使用.pdf
│   ├── 【MAB问题】简单却有效的Bandit算法.html
│   ├── 【MAB问题】简单却有效的Bandit算法.mp3
│   ├── 【MAB问题】简单却有效的Bandit算法.pdf
│   ├── 【MAB问题】结合上下文信息的Bandit算法.html
│   ├── 【MAB问题】结合上下文信息的Bandit算法.mp3
│   ├── 【MAB问题】结合上下文信息的Bandit算法.pdf
│   ├── 【其他应用算法】实用的加权采样算法.html
│   ├── 【其他应用算法】实用的加权采样算法.mp3
│   ├── 【其他应用算法】实用的加权采样算法.pdf
│   ├── 【其他应用算法】推荐候选池的去重策略.html
│   ├── 【其他应用算法】推荐候选池的去重策略.mp3
│   ├── 【其他应用算法】推荐候选池的去重策略.pdf
│   ├── 【其他应用算法】构建一个科学的排行榜体系.html
│   ├── 【其他应用算法】构建一个科学的排行榜体系.mp3
│   ├── 【其他应用算法】构建一个科学的排行榜体系.pdf
│   ├── 【内容推荐】从文本到用户画像有多远.html
│   ├── 【内容推荐】从文本到用户画像有多远.mp3
│   ├── 【内容推荐】从文本到用户画像有多远.pdf
│   ├── 【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.html
│   ├── 【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.mp3
│   ├── 【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.pdf
│   ├── 【内容推荐】超越标签的内容推荐系统.html
│   ├── 【内容推荐】超越标签的内容推荐系统.mp3
│   ├── 【内容推荐】超越标签的内容推荐系统.pdf
│   ├── 【模型融合】一网打尽协同过滤、矩阵分解和线性模型.html
│   ├── 【模型融合】一网打尽协同过滤、矩阵分解和线性模型.mp3
│   ├── 【模型融合】一网打尽协同过滤、矩阵分解和线性模型.pdf
│   ├── 【模型融合】深度和宽度兼具的融合模型 Wide and Deep.html
│   ├── 【模型融合】深度和宽度兼具的融合模型 Wide and Deep.mp3
│   ├── 【模型融合】深度和宽度兼具的融合模型 Wide and Deep.pdf
│   ├── 【模型融合】经典模型融合办法：线性模型和树模型的组合拳.html
│   ├── 【模型融合】经典模型融合办法：线性模型和树模型的组合拳.mp3
│   ├── 【模型融合】经典模型融合办法：线性模型和树模型的组合拳.pdf
│   ├── 【深度学习】深度学习在推荐系统中的应用有哪些.html
│   ├── 【深度学习】深度学习在推荐系统中的应用有哪些.mp3
│   ├── 【深度学习】深度学习在推荐系统中的应用有哪些.pdf
│   ├── 【深度学习】用RNN构建个性化音乐播单.html
│   ├── 【深度学习】用RNN构建个性化音乐播单.mp3
│   ├── 【深度学习】用RNN构建个性化音乐播单.pdf
│   ├── 【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.html
│   ├── 【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.mp3
│   ├── 【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.pdf
│   ├── 【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.html
│   ├── 【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.mp3
│   ├── 【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.pdf
│   ├── 【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法.html
│   ├── 【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法.mp3
│   ├── 【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法.pdf
│   ├── 【近邻推荐】人以群分，你是什么人就看到什么世界.html
│   ├── 【近邻推荐】人以群分，你是什么人就看到什么世界.mp3
│   ├── 【近邻推荐】人以群分，你是什么人就看到什么世界.pdf
│   ├── 【近邻推荐】协同过滤中的相似度计算方法有哪些.html
│   ├── 【近邻推荐】协同过滤中的相似度计算方法有哪些.mp3
│   ├── 【近邻推荐】协同过滤中的相似度计算方法有哪些.pdf
│   ├── 【近邻推荐】解密“看了又看”和“买了又买”.html
│   ├── 【近邻推荐】解密“看了又看”和“买了又买”.mp3
│   └── 【近邻推荐】解密“看了又看”和“买了又买”.pdf
├── 04-第3章 工程篇 (10讲)
│   ├── 【关键模块】巧妇难为无米之炊：数据采集关键要素.html
│   ├── 【关键模块】巧妇难为无米之炊：数据采集关键要素.mp3
│   ├── 【关键模块】巧妇难为无米之炊：数据采集关键要素.pdf
│   ├── 【关键模块】 推荐系统服务化、存储选型及API设计.html
│   ├── 【关键模块】 推荐系统服务化、存储选型及API设计.mp3
│   ├── 【关键模块】 推荐系统服务化、存储选型及API设计.pdf
│   ├── 【关键模块】让你的推荐系统反应更快：实时推荐.html
│   ├── 【关键模块】让你的推荐系统反应更快：实时推荐.mp3
│   ├── 【关键模块】让你的推荐系统反应更快：实时推荐.pdf
│   ├── 【关键模块】让数据驱动落地，你需要一个实验平台.html
│   ├── 【关键模块】让数据驱动落地，你需要一个实验平台.mp3
│   ├── 【关键模块】让数据驱动落地，你需要一个实验平台.pdf
│   ├── 【常见架构】Netflix个性化推荐架构.html
│   ├── 【常见架构】Netflix个性化推荐架构.mp3
│   ├── 【常见架构】Netflix个性化推荐架构.pdf
│   ├── 【常见架构】典型的信息流架构是什么样的.html
│   ├── 【常见架构】典型的信息流架构是什么样的.mp3
│   ├── 【常见架构】典型的信息流架构是什么样的.pdf
│   ├── 【常见架构】总览推荐架构和搜索、广告的关系.html
│   ├── 【常见架构】总览推荐架构和搜索、广告的关系.mp3
│   ├── 【常见架构】总览推荐架构和搜索、广告的关系.pdf
│   ├── 【开源工具】和推荐系统有关的开源工具及框架介绍.html
│   ├── 【开源工具】和推荐系统有关的开源工具及框架介绍.mp3
│   ├── 【开源工具】和推荐系统有关的开源工具及框架介绍.pdf
│   ├── 【效果保证】推荐系统的测试方法及常用指标介绍.html
│   ├── 【效果保证】推荐系统的测试方法及常用指标介绍.mp3
│   ├── 【效果保证】推荐系统的测试方法及常用指标介绍.pdf
│   ├── 【效果保证】道高一尺魔高一丈：推荐系统的攻防.html
│   ├── 【效果保证】道高一尺魔高一丈：推荐系统的攻防.mp3
│   └── 【效果保证】道高一尺魔高一丈：推荐系统的攻防.pdf
├── 05-第4章 产品篇 (3讲)
│   ├── 【产品篇】推荐系统在互联网产品商业链条中的地位.html
│   ├── 【产品篇】推荐系统在互联网产品商业链条中的地位.mp3
│   ├── 【产品篇】推荐系统在互联网产品商业链条中的地位.pdf
│   ├── 【产品篇】说说信息流的前世今生.html
│   ├── 【产品篇】说说信息流的前世今生.mp3
│   ├── 【产品篇】说说信息流的前世今生.pdf
│   ├── 【团队篇】组建推荐团队及工程师的学习路径.html
│   ├── 【团队篇】组建推荐团队及工程师的学习路径.mp3
│   └── 【团队篇】组建推荐团队及工程师的学习路径.pdf
└── 06-尾声与参考阅读 (2讲)
    ├── 【尾声】遇“荐”之后，江湖再见.html
    ├── 【尾声】遇“荐”之后，江湖再见.mp3
    ├── 【尾声】遇“荐”之后，江湖再见.pdf
    ├── 推荐系统的参考阅读.html
    ├── 推荐系统的参考阅读.mp3
    └── 推荐系统的参考阅读.pdf

6 directories, 117 files