课程简介
本课程主要以讲解工业界推荐系统领域先进技术为主，基于业务视角从业界主流推荐系统架构案例出发，围绕用户理解、内容生态和作者生态，剖析推荐系统。
本课程主要包含推荐在线预估、在线检索、在线策略服务架构设计与工程实现、特征中心、A\B实验平台、监控平台等推荐系统整体架构设计中的核心模块。
本课程从在线架构和离线架构入手设计设计机器学习算法在推荐系统中的落地解决方案，讲解推荐系统关键技术。
从常见的CF召回算法入手，引申到KT、UT、AT等推荐系统召回算法体系建设。
介绍推荐系统粗排算法架构与精排算法的技术演变及常见问题解决方法、系统架构。
结合实际应用场景的系统方案分析，围绕多目标、多样性、多场景，讲解用户满意度优化、内容生态优化、作者生态优化等推荐系统中常见业务问题。
目标收益
1.从企业级应用的角度对推荐系统有一个全面的认识，知道推荐系统的技能要求、价值、应用场景
2.了解最主流的推荐算法基本原理
3.熟悉在线推荐系统的产品形态，针对不同的产品怎么更好地整合物料投放系统以发挥业务价值
4.了解在真实业务场景中怎么做好推荐系统，让推荐系统真正产生商业价值
5.获得讲师多年实践推荐系统系统的经典案例和经验
6.金融业务场景推荐系统的针对性优化思路和方案
培训对象
课程大纲
| 业界主流推荐系统剖析 |
1.某电商推荐系统剖析 2.某短视频推荐系统剖析 3.某新闻推荐系统剖析 |
| 推荐系统整体架构设计与核心模块讲解 |
1.在线预估服务设计 2.在线召回检索系统设计 3.在线策略服务架构设计 4.特征服务与特征数据流设计 5.A\B实验平台设计 6.监控平台设计 |
| 机器学习在推荐系统中的落地解决方案 |
1.机器学习在线架构设计(特征抽取、模型预估、模型路由、大模型在线参数服务器) 2.机器学习离线数据流设计(特征处理、模型训练、模型发布) |
| 推荐系统召回算法体系建设与排序算法体系建设 |
1.UT、KT、AT召回算法设计 2.前沿的图召回算法设计 3.召回中的冷启动问题 4.粗排模型设计与架构实现 5.统一粗排归并策略设计 6.粗排中的多样性问题 7.精排模型演进迭代史 8.精排中的特征工程 9.精排中的过拟合问题解决方案 10.精排中的多任务学习问题 11.多目标融合问题 12.多样性问题解决方案 |
|
业界主流推荐系统剖析 1.某电商推荐系统剖析 2.某短视频推荐系统剖析 3.某新闻推荐系统剖析 |
|
推荐系统整体架构设计与核心模块讲解 1.在线预估服务设计 2.在线召回检索系统设计 3.在线策略服务架构设计 4.特征服务与特征数据流设计 5.A\B实验平台设计 6.监控平台设计 |
|
机器学习在推荐系统中的落地解决方案 1.机器学习在线架构设计(特征抽取、模型预估、模型路由、大模型在线参数服务器) 2.机器学习离线数据流设计(特征处理、模型训练、模型发布) |
|
推荐系统召回算法体系建设与排序算法体系建设 1.UT、KT、AT召回算法设计 2.前沿的图召回算法设计 3.召回中的冷启动问题 4.粗排模型设计与架构实现 5.统一粗排归并策略设计 6.粗排中的多样性问题 7.精排模型演进迭代史 8.精排中的特征工程 9.精排中的过拟合问题解决方案 10.精排中的多任务学习问题 11.多目标融合问题 12.多样性问题解决方案 |
近期公开课推荐
