本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
√ 举一纲而万目张,解一卷而众篇明:本书旨在与庞杂的领域知识网格中点亮关键节点,为读者的商业化落地开辟泛化通道。
√ 注重零启动|全流程|成系统|通用化:用整体、全局思维将商业级推荐系统涉及的算法、模块、架构与相关性链条全线贯通。
√ 国内首批实践商业化推荐的老江湖:从转转到阿里,十年知名电商企业主导推荐系统研发和带领相关算法团队经验。
√ 产品逻辑|数据|算法|架构四大体系:用真实案例覆盖电商、新闻、短视频等主流场景和技术生态,面向工程师与产品经理。
本书是一本面向实践的企业级推荐系统开发指南,内容包括产品设计、相关性算法、排序模型、工程架构、效果评测、系统监控等推荐系统核心部分的设计与开发,可以帮助开发者逐步构建一个完整的推荐系统,并提供了持续优化的系统性思路。本书注重从系统性和通用性的角度看待推荐系统的核心问题,希望能够帮助读者做到知其然,也知其所以然,更能够举一反三,真正掌握推荐系统的核心本质。此外,本书对于推荐系统开发中常见的问题和陷阱,以及系统构建过程,也做了重点介绍,力求让读者不仅知道做什么,而且知道怎么做。本书的目标读者是推荐系统研发工程师、产品经理以及对推荐系统感兴趣的学生和从业者。
张相於,本科和研究生毕业于中国人民大学,现任阿里巴巴高级算法专家。多年来一直从事推荐系统及相关领域的系统研发,具有丰富的实践经验,并乐于分享经验与教训,在ResysChina上发表过多篇推荐系统相关文章,也在全球架构师峰会等技术大会上做过多次演讲。
相於兄是推荐领域的“老江湖”了,我们相识于ResysChina公众号的写作运营,他的文章一向接地气且有深度,我也总是能从中汲取养分,时常感恩。所以,相於兄的书非常值得读者期待。
—— 陈开江,贝壳找房算法架构师,《推荐系统》作者
推荐系统是移动互联网时代非常成功的人工智能技术落地场景之一。在新闻、短视频等信息领域,它很好地解决了碎片化时间下用户精准消费信息的需求;在电商领域,它也是用户下单的重要流量入口。相於是我多年的同学,也是大家公认的技术大牛。他毕业后一直从事推荐系统的构建和迭代,可以说对推荐技术的演化进展与落地技术有非常深刻的理解和应用。本书是他多年实践经验的总结,对于从事推荐系统研发的工程师、产品经理是非常实用的参考手册,值得力荐!
—— 王仲远,美团点评AI平台搜索与NLP部负责人
多年来,相於一直从事推荐系统研发工作,是推荐领域的资深专家,我们一起共事两年,他带领团队帮助公司大幅度提升了推荐效果。本书源于企业级真实实践,覆盖完整的推荐系统生态。作者通过企业级真实案例,深入浅出剖析推荐系统的算法模型和工程架构,让读者能够真正掌握推荐系统设计的哲学本质,从而在面向不同业务场景时,能够给出优雅的推荐系统解决方案,真正达到企业降本增效的目的。本书是推荐系统领域中的实践类好书,特荐之。
——孙玄,奈学教育创始人&CEO, 58集团前技术委员会主席
此系统是典型的应用科学,它不是深度学习一个概念就可以代表的,它至少包含产品逻辑、数据、算法、架构四大体系。相於在推荐领域深耕多年,从早年的转转,到后来的阿里巴巴等平台,一线落地经验扎实且丰富。相於也很乐于分享自己对推荐系统的实践总结和思考,为我们输出过一系列“拿来就能用”的文章。此书是相於多年实践经验的集大成之作,相信一定会对大家多角度理解推荐系统,提供诸多有益启发。
—— 刘思喆,51Talk首席数据科学家
推荐系统是人工智能应用中相对成熟的应用领域,也是很好的兼具技术性和业务场景的人工智能发展方向。随着推荐系统在各种应用中的逐渐普及,如何构建实用化的推荐系统成为技术人员关心的问题。相於从事推荐系统研发多年,本书汇集了他多年研发推荐系统的实践经验,有助于对此感兴趣的技术人员从实践角度深入了解推荐系统。
——张俊林,新浪微博机器学习团队AI Lab负责人