極客時間出品的《推薦系統三十六式》由刑無刀所作，刑無刀是“貝殼找房”資深演算法專家，8年推薦系統工程師。本專欄課程解決你推薦系統80%的問題。
《推薦系統三十六式》專欄簡介
“推薦系統三十六式”是由鏈家網資深演算法專家刑無刀（陳開江）撰寫並維護的精品專欄內容。
PC 時代是搜尋的天下，而移動時代則是推薦的主場。
最近十年尤其最近五年，藉助推薦系統的技術和名頭，異軍突起的網際網路產品越來越多，推薦系統成了網際網路產品的標配。甚至有人說在未來，推薦系統會成為所有資料型產品的標配。
而推薦系統前方的技術蓬勃發展，後方卻落地困難。審視推薦系統的技術應用現狀，大廠們一騎絕塵，太多中小廠的工程師們還不知道一個推薦系統如何從 0 到 1 誕生，需要去了解哪些知識。
本專欄為推薦系統學習者架構起整體的知識脈絡，並在此基礎上補充實踐案例與經驗，力圖解決你係統起步階段 80% 的問題。
《推薦系統三十六式》講師介紹
刑無刀（本名陳開江），現為“貝殼找房”資深演算法專家，從事演算法類產品的研發。曾任新浪微博資深演算法工程師，考拉 FM 演算法主管。 刑無刀有 8 年的推薦系統方向從業經歷，他在演算法、架構、產品方面均有豐富的實踐經驗。同時，他也是中國最專業推薦技術與產品社群之一 ResysChina 的特約作者，有長期的技術寫作經驗。
《推薦系統三十六式》專欄模組
專欄共三個月，36 期，分五個模組介紹推薦系統知識。
概念篇：推薦系統有關的理念、思考，形而上的內容，雖然務虛但是必要。
原理篇：推薦演算法的原理介紹與乾貨。瞭解推薦系統背後技術的基本原理後，你可以更快地開發和優化自己的系統，並且更容易去學習專欄中未涉及的內容。
工程篇：推薦演算法的實踐內容。介紹推薦演算法落地時需要一些純工程上的大小事情，架構、選型、案例等，為你的實踐之路推波助瀾。
產品篇：推薦系統要成功，還要考慮產品理念及其商業價值，此處介紹一些產品知識和一點淺顯的商業思考。
團隊篇：個人該如何學習和成長，團隊該招多少人又該有哪些人，以及產品經理和工程師該如何合作等問題。
《推薦系統三十六式》課程目錄
概念篇 | 你真的需要個性化推薦系統嗎 個性化推薦系統那些繞不開的經典問題 你應該具備這些必須的思維模式 |
原理篇 | 畫鬼容易畫人難，使用者畫像的能和不能 從文字到使用者畫像有多遠 超越標籤的內容推薦系統 人以群分，你是什麼人就看到什麼世界 解密“看了又看”和“買了又買” 協同過濾中的相似度計算方法有哪些 Netflix Prize中大放異彩的那些推薦演算法 Facebook怎麼為十億人互相推薦好友 如果你只關注排序效果，那麼這個模型可以幫到你 經典模型融合辦法：線性模型和樹模型的組合拳 一網打盡協同過濾、矩陣分解和線性模型 Goole的殺器：深度和寬度兼具的融合模型Deep&Wide 簡單卻有效的Bandit演算法 Bandit演算法如何結合上下文資訊 如何將bandit演算法與協同過濾結合使用 深度學習在推薦系統中的應用有哪些 RNN為網路音樂自動構綞個性化播單 構建一個科學的排行榜體系 按照權重取出使用者標籤 推薦候選池的去重策略 典型的值患流推薦架構是什麼樣的 |
工程篇 | 典型的資訊流推薦架構是什麼樣的 Netflix個性化首頁架構 統一看推薦架構和搜尋、廣告的關係 詳解日誌收集的關鍵要素 讓你的推薦系統反應更快，談談實時推薦 讓量化指標的落地，你需要一個實驗平臺 推薦系統服務化，儲存選型及API設計 推薦系統的測試方法及常用指標介紹 道高一尺魔高一丈：推薦系統的攻防 推薦系統有關的開源工具及框架介紹 |
產品篇 | 推薦系統在網際網路產品商業鏈條中的地位 短視訊、朋友圈、興趣feed：說說資訊流的前世今生 |
團隊篇 | 組建一支個性化推薦團隊及推薦系統工程師的學習路徑 |
適宜人群
- 正在參與、或想轉型從事推薦系統工作的工程師和架構師；
- 個性化推薦產品經理及運營人員；
- 對推薦系統感興趣的在校學生；
- 希望自我精進的泛網際網路從業者。
訂閱價格：
為回報猿人學的粉絲，所有通過我分享的二維碼購買的使用者，請加我微訊號：dismissmewp，備註：返現。
享受完其它優惠後，我再給大家立即返￥12元現金。
我的公眾號：猿人學 Python 上會分享更多心得體會，敬請關注。
***版權申明:若沒有特殊說明，文章皆是猿人學 yuanrenxue.com 原創，沒有猿人學授權，請勿以任何形式轉載。***