这就是推荐系统 核心技术原理与企业应用
链接:https://pan.baidu.com/s/1s4LH_k-JlidppS9su4vuPA?pwd=ik4u
提取码:ik4u

本书不要求读者必须具备深度学习或者机器学习的背景知识,不论是互联网行业的技术、产品、运营人员,还是高等院校的在校生,或者对个性化推荐、大数据应用感兴趣的爱好者等都可以阅读此书。
亮点一:完全来自于工业化实践,内容按照实际推荐系统的模块划分:内容理解、用户画像、召回、排序、重排等,其他书没有这样写的。
亮点二:内容全面系统但精炼,全书是作者根据实践总结,没有大面积理论讲解,只讲基础框架、核心技术和前沿发展。
亮点三:囊括当下热门前沿技术,包括强化学习、因果推断、端上智能,以及ChatGPT时代的推荐系统未来发展描述,对当下的技术人员很有指导意义。
亮点四:四位作者均是来自一线大厂的工程师,长期在工业界从事推荐算法的相关应用研究,本书的内容融入了作者对推荐算法的思考、体会及实战经验。
亮点五:此书不仅具有全局视野,体系完善,而且生动翔实,细节拉满。不管你是小白还是推荐系统的从业者,阅读此书都会让你受益匪浅。
向读者更全面、更具体地介绍推荐系统,全方位地剖析主流工业推荐系统的运作机理和每个核心模块,并让读者能够了解不同的互联网产品中推荐系统是如何与业务场景进行深度结合来加速达成业务核心目标的。
内容简介
推荐系统技术作为近年来非常热门的AI技术,已广泛应用于互联网各行业,从衣食住行到娱乐消费,以及无处不在的广告,背后都依赖推荐系统的决策。本书贴合工业级推荐系统,以推荐系统的整体技术框架为切入点,深入剖析推荐系统中的内容理解、用户画像、召回、排序、重排等核心模块,介绍每个模块的核心技术和业界应用,并展开介绍了推荐冷启动、推荐偏差与消偏等常见问题和解决方案。此外,还对当前推荐系统领域的热门前沿技术进行了介绍,包括强化学习、因果推断、端上智能等。
本书既适合推荐系统、计算广告及搜索领域的互联网相关从业人员,也适合高等院校人工智能、计算机技术、软件工程等专业的本科生、研究生及博士生,以及对推荐系统感兴趣的爱好者等,可以帮助他们了解工业级推荐系统的基础框架、核心技术和前沿发展。
作者简介
胡澜涛
毕业于清华大学计算机系,快手推荐算法技术总监。曾任字节跳动高级算法工程师,腾讯高级研究员。在推荐系统领域有丰富的实践经验,负责过包括TikTok、快手、微信看一看在内的多个大规模工业级推荐系统的核心研发工作。主要研究方向为推荐系统,发表相关领域的学术论文6篇,拥有专利5项。
李玥亭
毕业于大连理工大学计算机专业。曾先后就职于百度、小米等公司,参与百度凤巢广告CTR预估模型的研发,负责小米音乐、阅读、应用商店、游戏中心等多个产品推荐服务从0到1的搭建,在搜索、广告、推荐领域有丰富的实战经验。目前转战智能家居领域,探索智能感知、智能决策等AI技术在新场景的落地。
崔光范
毕业于中国科学院软件研究所,爱奇艺助理研究员,负责短视频信息流推荐业务。曾任小米推荐算法工程师,负责应用商店、游戏中心、有品等业务的推荐工作,从零构建了小米垂域业务的深度推荐引擎。主要研究方向是推荐系统、计算广告、搜索等,发表过多篇论文和专利。
易可欣
毕业于北京大学,先后在爱奇艺、快手担任推荐算法工程师,主要研究方向为召回策略与模型、数据挖掘、样本优化等。