课程安排

• 第一部分 报名审核

  申请学员（以下简称学员）填写报名申请表并附上简历，电话或远程面试通过后，才视为报名成功，然后学员和七月在线（以下简称机构）双方签订培训合同。

• 第二部分 内容安排

  课程开始前，提供预习视频预习，课程开始后，每周安排直播、录播、实训、答疑，然后每两周考试一次，顺利通过阶段考试的学员，才能进入下一阶段的学习。未能通过考核的重新学习，做查漏补缺。

  第一阶段 掌握BAT推荐系统和常用算法

  在线视频：推荐系统简介：Youtube、Google、BAT、头条等

  • 1-系统架构、模块介绍（召回、排序、重排序算法和系统等）
  • 2-推荐算法评估指标
  • 3-A/B Test 系统
  • 4-冷启动问题和工业界解决方案

  在线实训：冷启动解决方案代码实战

  在线视频：召回算法和业界最佳实践

  • 1-BAT里常用的CF算法以及变种（User/Item CF等变种)
  • 2-Hybrid CF 算法
  • 3-Model Based CF（LFM矩阵分解、NMF、SVD)
  • 4-基于改进版协同过滤算法实战

  在线实训：python实现经典User/Item CF算法

  在线直播：推荐业务、feed流产品及推荐算法策略架构解析

  • 1-推荐业务和推荐feed流产品详解
  • 2-推荐策略架构分解
  • 3-基于point wise 的stacking model 如何做用于推荐业务，以及相应的效果评估和模型如何升级(针对相应算法，提供data和code)

  第二阶段 深入BAT内部推荐&召回架构

  在线视频：召回算法和业界最佳实践进阶

  • 1-Graph 推荐召回算法
  • 2-倒排召回算法系统设计
  • 3-Embedding 召回（DNN）

  在线实训：基于改进版协同过滤算法实战

  在线视频：用户建模（召回、排序都会用到）

  • 1-BAT公司里常见的用户建模
  • 2-特征工程、分类模型开发

  在线实训：如何做一个用户偏好模型实战

  在线直播：用户特征和Item特征的常用方法

  • 1-Embedding的数学本质和计算方法
  • 2-用户特征和人群画像
  • 3-手动和自动特征工程

  在线直播：Deep recall算法解析、主流技术方向思考及相应model的改进方案

  • 1-推荐系统的主流技术深度方向讨论及相关算法思考
  • 2-如何通过deep learning model抽取推荐系统中的high-order feature
  • 3-recall算法簇review，Deep recall模型解析和优化（针对相应算法，提供data和code）

  第三阶段 通晓Learn to Rank模块中的模型结构

  在线视频：重排序算法：Learn to Rank

  • 1-Pointwise/Pairwise/Listwise排序（全局排序）
  • 2-多目标优化（ESMM等）
  • 3-多样性排序（BAT真实场景用户体验优化）

  在线视频： 排序算法&深度学习模型

  • 1-推荐系统的 Rank 模块介绍
  • 2-基于规则的Rank算法
  • 3-Rank模型进入机器学习时代
  • 4-BAT模型改进：从浅度到深度Rank学习（WDL、DeepFM、DeepCross等）

  在线实训：python实现WDL模型

  在线直播：分布式机器学习系统及其在排序模型中的应用

  • 1-分布式机器学习系统综述
  • 2-Parameter Server介绍
  • 3-基于Paramer Server的大规模离线LR/FM实现介绍

  在线直播：商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序

  • 1-电商推荐系统的难点
  • 2-业界推荐系统的公开数据集和开源经典算法以及用于解决coldstart和exploit-explore问题的bandit算法簇
  • 3-deep learning模型算法作用于排序及相应优化方案（针对相应算法，提供data和code）

  第四阶段 通晓Learn to Rank模块中的特征抽取

  在线视频： 排序算法&深度学习模型进阶

  • 1-BAT模型改进：从浅度到深度Rank学习(Attention、知识图谱、LSTM等）（下）
  • 2-Rank模型中的特征工程（BAT里基础建模流程构造：涉及样本、特征、模型、系统设计和实践）
  • 3-工业界实际的CTR后校准技术
  • 4-工业界大规模训练&在线引擎

  在线实训 ：阿里CTR-CVR数据上的MTL-ESMM实战（TensorFlow）

  在线视频： 学术界最新算法在BAT的应用

  • 1-电商推荐中的Delayed reward强化学习算法
  • 2-GAN等技术在推荐系统的实践

  在线直播：CTR预估和采样

  • 1-CTR概率矫正技术
  • 2-多目标和ESMM
  • 3-多种多样的采样算法

  在线直播：推荐业务经典架构深度剖析

  • 1-资讯推荐系统
  • 2-视频推荐系统
  • 3-外卖推荐系统
  • 4-知识问答推荐系统
  • 5-音乐推荐系统
  • 6-如何通过优化模型结构把high-level特征抽取融合进推荐系统的排序模块(learning to rank)中（针对相应算法，提供data和code）

  第五阶段 在线排序模块和多目标排序

  在线视频： 实时化技术升级

  • 1-Online Learning 算法（FTRL、增量学习等）
  • 2-Online Learning 在BAT的系统架构

  在线实训 ：Online Learning 最新算法实现

  在线直播： 在线学习和相关技术

  • 1-L1, L2和FTRL优化算法
  • 2-流式计算和流式数据
  • 3-在线模型和实时特征

  在线直播： 多目标排序

  • 1-推荐系统中的CTR、CVR任务如何共同建模
  • 2-多目标排序的问题点
  • 3-如何通过算法将推荐系统中的用户显式反馈行为和隐式反馈行为(浏览、点击、购买和评论)进行表征同时作用于个性化推荐（针对相应算法，提供data和code）

  第六阶段 真实场景推荐和推荐算法前沿技术

  在线视频： 掌握真实业务场景下的推荐算法

  • 1-社交推荐算法
  • 2-短视频推荐算法
  • 3-音乐推荐
  • 4-新闻推荐
  • 5-电商推荐

  在线直播： 强化学习在推荐系统中的前沿应用介绍

  • 1-强化学习介绍
  • 2-Google强化学习机器应用于推荐系统介绍

  在线直播： 推荐系统最新技术、场景、方向解析

  • 1-推荐新场景
  • 2-推荐系统可解释性
  • 3-推荐系统多样性
  • 4-推荐系统公平性
  • 5-冷启动问题的最新解法

  在线直播： 面试就业辅导-李老师

• 第三部分 实战项目

  在课程进行的后半段，学员根据自己的兴趣和求职的方向选择实战项目，可供选择的实战项目侧重新兴的推荐业务场景，包括：
  • 

    实战项目一

    电影评分推荐系统

    随着5G的来临，人们获取视频等多媒体数据越来越容易，各个视频app日益火爆，人们对影视作品这种高级娱乐作品的消费需求巨大，电影推荐场景应用非常广泛，我们收集了全球顶级影视公司的用户日志，针对相应的数据进行推荐算法优化。

  • 

    实战项目二

    电商平台的商品推荐系统

    电商业务在全球各大互联网公司的营收中都占有极其重要的地位，推荐系统对用户推荐商品的质量好坏直接影响了巨头们的股价，商品推荐团队是公司各大算法团队中的核心团队，有着绝对地位的优势，我们针对全球Top 1的电商数据进行推荐算法优化。

  • 

    实战项目三

    游戏推荐系统

    在某社交巨头的业务版图中，游戏是公司收入的主要支柱产业，推荐游戏给用户也成为了推荐系统的主要任务，我们需要充分挖掘用户对游戏的偏好特征来优化游戏推荐算法，我们对全球顶级游戏公司的游戏用户数据进行游戏推荐。

  • 

    实战项目四

    Netflix推荐竞赛

    Netflix是全球顶尖的视频网站，推荐引擎是Netflix公司的关键服务，1千多万顾客都能在一个个性化网页上对影片做出1－5的评级。Netflix将这些评级放在一个巨大的数据集里，该数据集容量超过了30亿条。Netflix使用 推荐算法 和软件来标识具有相似品味的观众对影片可能做出的评级。两年来，Netflix 已经使用参赛选手的方法提高了影片推荐的效率，这已经得到了很多影片评论家和用户的好评。

  • 

    实战项目五

    猜你喜欢场景下的推荐系统

    猜你喜欢是各个主流app的top1产品，这些app的大部分流量都来自于“猜你喜欢”这个入口,这是根据客户喜好推荐给客户的产品,其最大特点就是流量比较精准,更容易变成转化,我们该场景数据下的推荐算法项目。

• 第四部分 面试求职

  针对特定方向的定制化项目（如推荐实战项目），进行项目与简历的最终调整与完善。然后安排名企面试官模拟面试与内推，面试与反馈迭代，最终帮助学员成功拿到offer。

  第一阶段 简历与项目定制

  • 1-大型公司的招聘方向与需求分析，并选择方向，然后针对特定方向的定制化项目，进行简历调整与完善：一份优质简历的基本原则、你的简历是怎么进出人才资源池的、校招/社招面试官是怎么阅读简历的
  • 2-实用面试技巧若干

  第二阶段 面试辅导与内推

  • 1-名企面试官模拟面试与内推 （BAT大咖讲师会给班级里面的每一位学员电话面试，按照BAT中AI/推荐算法工程师岗位的要求来面试并且打分，并当场给予分数反馈和调整建议）
  • 2-面试与反馈迭代
  • 注：实战项目会根据市场环境，学员综合情况动态调整。

• 第五部分 入职护航

  针对学员入职后工作上遇到的技术方面问题，进行一周的跟踪服务，为学员稳定就业保驾护航。

讲师介绍

• 
  李老师

  推荐算法专家，在BAT均从事过推荐系统、广告系统等研发，做过多个行业的推荐系统。

往期评价