datawhalechina / fun-rec

推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/
Other
4.1k stars 790 forks source link
algorithm-engineering deep-learning interview-questions machine-learning recommendation-algorithms recommender-system tensorflow tianchi-competition

FunRec-在线阅读

本教程主要是针对具有机器学习基础并想找推荐算法岗位的同学。教程内容由推荐系统概述、推荐算法基础、推荐系统实战和推荐系统面经四个部分组成。本教程对于入门推荐算法的同学来说,可以从推荐算法的基础到实战再到面试,形成一个闭环。每个部分的详细内容如下:

特别说明:项目内容是由一群热爱分享的同学一起花时间整理而成,大家的水平都非常有限,内容难免存在一些错误和问题,如果学习者发现问题,也欢迎及时反馈,避免让后学者踩坑! 如果对该项目有改进或者优化的建议,还希望通过下面的二维码找到项目负责人或者在交流社区中提出,我们会参考大家的意见进一步对该项目进行修改和调整!如果想对该项目做一些贡献,也可以通过上述同样的方法找到我们!

为了方便学习和交流,我们建立了FunRec学习社区(微信群+知识星球),微信群方便大家平时日常交流和讨论,知识星球方便沉淀内容。由于我们的内容面向的人群主要是学生,所以知识星球永久免费,感兴趣的可以加入星球讨论(加入星球的同学先看置定的必读帖)!FunRec学习社区内部会不定期分享(FunRec社区中爱分享的同学)技术总结、个人管理等内容,跟技术相关的分享内容都放在了B站上面。由于微信群的二维码只有7天内有效,所以直接加下面这个微信,备注:Fun-Rec,会被拉到Fun-Rec交流群,如果觉得微信群比较吵建议直接加知识星球!。

image-20220408193745249

注意:不建议直接在github上面阅读(公式图片容易解析错误),推荐点击上面的在线阅读或者离线下载下来之后使用markdown工具(如typora)查看!

内容导航

推荐系统概述

推荐系统算法基础

经典召回模型

经典排序模型

推荐系统实战

竞赛实践(天池入门赛-新闻推荐【建议使用tf1.14】)

新闻推荐系统实践

推荐系统算法面经

备注

2.1 竞赛实践(天池入门赛-新闻推荐)

image-20211213165802957 image-20211213165847593

2.2 新闻推荐系统实践前端展示和后端逻辑(项目没有任何商用价值仅供入门者学习)

image-20211205142026937 Fun-Rec新闻推荐系统

致谢

核心贡献者

重要贡献者(根据内容+社区贡献程度筛选)

其他

感谢徐何军,李万业,陈琰钰,陈锴,梁家晖,王贺,宁彦吉,田雨,宋禹成,刘雯静,吕豪杰,张汉隆,吴丹飞,王云川,肖桐,管柯琴,陈雨龙,宋禹成等在最早期的时候对fun-rec所做的贡献!

关注我们

扫描下方二维码关注公众号:Datawhale

LICENSE

知识共享许可协议 本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。