内容简介
这是一本指导中高级从业者高质量落地现代推荐系统，围绕现代推荐系统核心技术展开深度解读的专业工具书，又是一套完整的推荐系统高质量落地解决方案。本书基于推荐算法工程师实际工作场景规划内容，融合了作者在阿里巴巴、58同城等多家大厂做推荐系统设计和优化的经验，是一本方法和实践兼具的好书。
本书不针对零基础从业者，而是以帮助初级算法工程师向中高级进阶为目标。书中从底层剖析推荐系统在实际业务场景中可能出现的各种问题，直指问题的本质，并按照推荐系统工作流程逐一破解。
本书共包括11章：
第1章 主要介绍推荐系统在各个互联网业务场景中的落地情况，包括构建推荐系统可能面临的问题，以及电商、视频、电子书、广告系统、信息流、拉活促销等相关推荐系统落地指导。
第2章 介绍现代推荐系统的整体架构，以帮助读者从宏观层面整体了解推荐系统。
第3章 对推荐系统所需要的数据和特征处理进行深度剖析，包括数据的收集、非结构化数据的结构化清洗、连续特征处理和离散特征处理等重点内容。
第4章 对推荐系统的在线指标和离线指标，以及AB实验的设计进行深度讲解。
第5章和第6章，主要对机器学习和神经网络的设计和调参进行
AI简介
这是一本深度解读推荐系统原理与业务实践的专业工具书。书中首先深度理解推荐系统，并指出企业在构建推荐系统时会面临的各种问题，如冷启动、数据稀疏性、推荐多样性等。针对这些问题，书中详细解读了4类主流推荐系统构建点拨，包括电商、视频、广告业务、信息流等，并提供了构建推荐系统的落地指导。
接着，书中介绍了推荐系统架构，包括召回层、粗排层、精排层、重排层和冷启动环节，并对每个层级的作用和实现方式进行了详细解读。其中，书中详细解读了个性化召回层的作用和性能要求，包括协同过滤召回、双塔召回、Word2vec在召回中的应用等。同时，书中还深入讲解了粗排层的作用和样本选择，以及重排层的设计目标与方法，包括调权、强插、过滤和打散等。
此外，书中还详细解读了构建推荐系统的特征，包括数据的收集、清洗、处理等，并提供了丰富的特征处理案例。同时，书中还深入讲解了为推荐系统选择评价指标，包括线上指标和离线指标，以及AB实验的设计。
在模型调参方面，书中详细解读了机器学习模型调参，包括决策树调参、随机森林调参、XGBoost调参、LightGBM调参等，并提供了丰富的模型调参案例。同时，书中还深入讲解了神经网络
推荐影视
阅读/下载地址