【赠书】微软亚洲研究院作者联合出品,推荐系统前沿与实践!

深度学习推荐系统的前沿实践 无论是GBDT+LR组合模型,还是最新的DLRM模型,Facebook的技术选择总给人非常工业化的感觉,简单直接,以解决问题为主。虽然从学术角度看模型的创新性不足,但业界的从业者却能从中借鉴非常多的工程实践经验。DLRM模型是非常标准且实用的深度学习推荐模型。如果公司刚开始从传统机器学习模型转到深度学习模型,则完全可以采用DLRM作为标准实现。而GBDT+LR组合模型传递出的特征工程模型化及模型组合的思路,对推荐系统技术发展有更深远的影响。 阅读详情

‍‍51880ea3eee2ef84b2076775a7943b89.jpeg

推荐系统是互联网时代极具商业价值的人工智能应用之一,30 年来持续受到学术界和工业界的广泛关注。

本次给大家推荐的书是微软亚洲研究院作者联合著作《推荐系统前沿与实践》。

本书内容

本书作者以一线研发人员的视角和经验,对推荐系统进行总结,尝试从原理与实践两个角度为读者剖析推荐系统。

本书首先从原理上介绍各类经典推荐算法及前沿的深度学习推荐算法,然后分析推荐系统领域发展的前沿话题和未来方向,最后结合微软的开源项目Microsoft Recommenders 介绍推荐系统的实践经验。

1e597da6de3095cf25913c1436d3d361.png

第1章:推荐系统概述,介绍推荐系统的发展历史,推荐系统的基本原理,以及推荐系统的应用价值。

2c6af1ab7f45f2daac5c701768fa247d.jpeg

第 2 章:经典推荐算法,主要是基于内容的推荐算法,基于协同过滤的推荐算法。

eab3b66e4e6dc0faed043b8194e0b243.jpeg

第 3 章:深度学习基础,神经网络与前馈计算,反向传播算法,常见的深度神经网络。

14507b57ed6b0b7112e17de93b9b7273.jpeg

第 4 章:基于深度学习的推荐算法,深度学习与协同过滤,深度学习与特征交互,图表示学习与推荐系统, 序列与基于会话的推荐,结合知识图谱的推荐系统,基于强化学习的推荐算法。

1707b8b27060b5192435199bc2900b2d.jpeg

第 5 章:推荐系统前沿话题,推荐算法研究热点,推荐系统应用挑战,负责任的推荐(用户隐私,可解释性,算法偏见)。

0c013312f0c303e8e0593fc14f2746dd.jpeg

第 6 章:推荐系统实践,工业级推荐系统实现与架构,推荐系统典型应用实践,基于云平台的推荐系统开发与运维。

d3306a6374fdc61d6c0a3bba6a98be3a.jpeg

第 7 章:总结与展望

本书作者团队是微软亚洲研究院的资深团队。

4c853e25a1dd5ccaae1f844c701fb80f.jpeg

李东胜

博士,微软亚洲研究院(上海)高级研究经理,复旦大学计算机学院客座教授、兼职博导,中国计算机学会协同计算专业委员会委员。主要研究方向为机器学习理论及应用,尤其是推荐算法的准确性、泛化能力、可扩展性、安全与隐私等。近年来,在PNAS、Nature Cardiovascular Research、ICML、NIPS、ICLR、SIGIR、WWW、KDD等相关领域的会议和期刊上发表论文80余篇。长期担任ICML、NIPS、ICLR、KDD、AAAI、IJCAI、CIKM等学术会议的程序委员。曾任IBM中国研究院高级研究员,于2016—2019年连续4年获得IBM杰出技术成就奖,开发的认知推荐引擎在2018年获得IBM奖——IBM Corporate Award。

练建勋

博士,毕业于中国科学技术大学,现任微软亚洲研究院主管研究员。研究方向主要包括推荐系统、用户建模与深度学习相关技术。在KDD、IJCAI、WWW、SIGIR等多个国际顶级会议上发表了多篇论文,相关的研究成果应用在必应广告、Xbox游戏和微软新闻等多个推荐场景上,获得了显著的提升效果。

张 乐

博士,人工智能架构师/总监,主导面向金融应用的人工智能和机器学习平台开发。曾任微软高级数据科学家,负责开发应用于零售、媒体和娱乐行业的工业级推荐系统在Azure云平台上的产品和解决方案。在人工智能及数据科学在多个行业的应用项目中担任主要开发和技术负责人。开源项目Microsoft Recommenders的主要参与者之一。曾在KDD、ICDM、WWW等多个人工智能学术会议上发表论文及演讲。本科毕业于哈尔滨工业大学,在新加坡南洋理工大学获得博士学位,曾在美国普渡大学交流访问。

任 侃

博士,现就职于微软亚洲研究院并担任高级研究员。主要研究领域包括数据挖掘与机器学习,特别是时空数据挖掘、序列建模与决策优化方法,及其在推荐系统、医疗健康与金融等领域的应用。在数据挖掘与机器学习领域顶级会议和期刊上发表了20余篇论文,包括TKDE、KDD、SIGIR、AAAI、ICLR、ICDM、WSDM、CIKM等。在浙江大学获得计算机科学与技术工学学士学位,在上海交通大学获得计算机科学与技术博士学位,并获得上海交通大学优秀博士学位论文提名。

卢 暾

博士,复旦大学计算机科学技术学院教授,博士生导师,美国卡耐基梅隆大学(CMU)访问学者。现任中国计算机学会(CCF)协同计算专委秘书长、大数据专家委员会通讯委员、高级会员。长期从事CSCW与社会计算、协同计算、推荐系统与人机交互等方面的研究。作为项目负责人承担多项国家自然科学基金项目、科技部重点研发计划课题、863课题和上海市项目。研究成果发表在CSCW、CHI、UbiComp、NIPS、WWW、SIGIR、IEEE TKDE等领域权威会议和期刊上。多次担任CSCW、CHI等的AC,多个国内外学术会议的PC Co-Chair,以及多个国内外学术期刊的AE和GE。

邬 涛

博士,微软Azure Gaming Services部门数据科学主管。其团队专注于人工智能技术在游戏开发、内容创作和运营中的应用。领导开发的Microsoft Recommenders开源项目是GitHub上最受欢迎的推荐系统项目。在微软、诺基亚研究中心和麻省理工学院计算机科学与人工智能实验室(CSAIL)长期负责研发和团队管理工作。

谢 幸

博士,微软亚洲研究院首席研究员,中国科学技术大学兼职博士生导师,微软-中科大联合实验室主任,中国计算机学会普适计算专委会副主任。其团队在数据挖掘、社会计算和普适计算等领域展开研究,在国际会议和学术期刊上发表了300余篇学术论文,共被引用4万余次。他是中国计算机学会会士、IEEE会士、ACM杰出会员。

读者可以基于本书提供的源代码,深入学习推荐算法的设计原理和实践方式,并可以基于本书从零开始快速搭建一个准确、高效的推荐系统。本书不仅适合互联网、大数据等相关领域技术人员阅读,也适合高等院校计算机、软件工程、人工智能等专业的本科生和研究生参考。

赠书

接下来是福利时间,本次我们赠送出3本书籍(前3次获得赠书的朋友不能再参与本次赠书活动),想要获得书籍的同学,在本公众号下方留言,根据点赞数的高低,8月1日上午10:00统计出获奖读者并进行公示,届时联系有三微信Longlongtogo即可。

如果没有获得赠书,也可以【点击下方原文链接】进行购买,当前正在优惠,不可错过。

71f2ae26dda68f6f5600cc39d0132d72.png

ead642fc7d2cd572b2ac04c6dd13cad3.png

b05bcef00c29a3256f8bfbdc4bda7d35.png

往期相关

350篇文献总结可信推荐系统前沿进展 嘿,记得给“机器学习与推荐算法”添加星标推荐系统作为以人为本的人工智能技术的最前沿应用,被广泛部署在网络世界的每个角落,其大大提高了人类的决策效率。然而,尽管推荐系统具有巨大的作用和潜力,但也可能导致对用户、物品、生产者、平台甚至整个社会的不良影响,例如由于不透明的过程而损害用户的信任,对不同的消费者或生产者的不公平待遇,由于大量使用用户的私人敏感数据进行个性化推荐而导致... 阅读详情

相关推荐

推荐系统实践.pdf,推荐系统实践pdf,Python

推荐系统实战课程,个性化推荐系统,智能推荐系统,机器学习算法

《深度学习推荐系统》——第八章 深度学习推荐系统的前沿实践

推荐系统领域是深度学习落地最充分,产⽣商业价值最⼤的应⽤领域之⼀。⼀些最前沿的研究成果⼤多来⾃业界巨头的实践。从 Facebook 2014 年提出的GBDT+LR 组合模型引领特征⼯程模型化的⽅向,到 2016 年微软提出 DeepCrossing 模型,⾕歌发布 Wide&Deep 模型架构,以及 YouTube 公开其深度学习推荐系统,业界迎来了深度学习推荐系统应⽤的浪潮。

Drogal_dracarys的博客 234

英飞凌TC3xx DSADC旋变软解码实战:从示波器波形到VX1000数据,手把手教你避坑

本文详细介绍了英飞凌TC3xx系列微控制器的DSADC模块在电机旋变软解码中的实战应用。从示波器波形分析到VX1000数据采集,提供了一套完整的调试方法论,帮助工程师快速定位和解决常见问题,提升解码精度和系统性能。

weixin_30598225的博客 517

“微软闵行”实锤!

在之前的 2 小时大直播中,我向大家介绍了微软在大上海地区的分布情况:跳槽必备!上海互联网大厂分布图!微软闵行:在紫竹科学园微软上海:在漕河泾微软亚洲研究院(MSRA):在徐汇西岸毕竟,上...

HJ说 1064

地瓜机器人RDK Studio使用入门教程

不知道大家在使用AI开发板的时候有没有遇到过板子官方镜像占据空间大难以保存,想要的时候找不到?官方示例项目久而久之便难以找寻?首次登陆开发板连接网络还需要准备显示器键盘鼠标外设繁杂?…为了解决平时开发过程中遇到的种种不便利问题,地瓜机器人创新的推出了RDK Studio这一官方开发者软件,使智能机器人开发迎来新纪元!通过这一软件极大降低了机器人的开发门槛,哪怕是零基础的用户亦可轻松上手RDK系列板卡!

xiongqi123123的博客 3432

2024最新版Anaconda Navigator安装使用指南

本文简要介绍如何下载安装Anaconda Navigator最新版,以及如何使用Python内核搭载来完成应用程序开发。

jackson_lingua的博客 1万+

深度学习推荐系统笔记之前沿实践

1.GBDT+LR 14年Facebook发表了广告推荐系统论文Practical Lessons from Predicting Clicks on Ads at Facebook,提出了经典的GBDT+LR模型。 系统输入:用户(User)、广告(Ad)、上下文(Context) GBDT构建特征工程和LR预测CTR两步采用相同的优化目标独立训练,GBDT和LR采用不同的更新频率,GBDT部分几天更新一次,LR部分准实时更新。实时数据流架构(online data joiner...

xuanshuang的博客 322

RTL优化与PPA分析:数字电路设计的关键技术

在数字集成电路设计中,RTL(寄存器传输级)优化是提升芯片性能、降低功耗和减小面积的核心技术。通过PPA(Power-Performance-Area)指标的平衡,工程师可以在不同时序约束下实现设计的最优化。本文基于Synopsys Design Compiler和开源工具Yosys的实验数据,展示了RTL优化在算术单元和控制逻辑中的显著效果,特别是在乘法器和除法器等复杂运算模块中。文章还探讨了AI辅助工具在RTL优化中的应用潜力,为数字电路设计提供了实用的技术参考和工程实践建议。

weixin_42186387的博客 622

推荐系统概述

最近在研读《推荐系统:前沿与实践》这本书,以及来记录一下学习到的内容。 1.推荐系统的发展历史 自20世纪80年代以来,随着互联网相关技术的不断发展,产生的信息与数据极速膨胀。为了解决信息过载对于用户的烦恼,推荐系统应运而生。根据时间以及技术路线,推荐系统可分为基于内容的推荐算法、基于协同过滤的推荐算法以及基于深度学习的推荐算法。 1.1 基于内容的推荐算法 基本思路:计算用户过去阅读过的图书与其他图书之间的相似程度,然后基于相似程度推荐新的图书。 基本假设:用户未来喜欢的物品与其过去喜欢的

weixin_52593484的博客 1455

SpringBoot 自定义注解来实现动态切换数据源

/ 初始化数据源@Override@Inherited@Pointcut(“@annotation(包名.aop.DataSource)”) public void@Pointcut 注解定义了一个切点,名称为 dynamicDataSource。@annotation(包名.aop.DataSource) 表示这个切点匹配所有带有 @DataSource 注解的方法。

晴天飛 雪的博客 1838

Oracle EBS 寄销/VMI(1)-->基础设置

名词解释:     BPA:一揽子采购协议     BPR:一揽子发放     SR:来源补充规则     ASL:合格供应商列表     VMI: 供应商管理库存     寄售(Consignment)是把货物放在客户那里,客户要用的时候才付款的库存,一般是指卖方把

陈显平的专栏-Oracle EBS 1万+

【转】极深因子分解机模型XDeepFM

原文标题:“KDD 2018 | 推荐系统特征构建新进展:极深因子分解机模型” 原文链接:https://www.msra.cn/zh-cn/news/features/kdd-2018-xdeepfm 原文作者:练建勋 编者按:特征(features)的构建对推荐系统来说至关重要,直接关系到推荐系统的精准性。在传统的推荐系统中,高阶交叉特征通常由工程师手工提取,不仅人力成本高昂、维度空间极大,而且不可泛化。因此自动学习特征的交互是十分有必要的 ,但目前已有的相关工作学习的是隐式的交互特征,且特征交.

Toby的博客 789

AI在保险产品定价优化中的创新应用

在当今保险市场中,准确合理的产品定价是保险公司实现可持续发展的关键因素之一。传统的保险产品定价主要基于经验数据和精算模型,但这种方式往往存在数据处理效率低、对复杂风险因素考虑不足等问题。本文的目的在于深入探讨AI技术如何在保险产品定价中进行创新应用,以提高定价的准确性、效率和灵活性,更好地满足市场需求和客户个性化需求。本文的范围涵盖了AI技术在保险产品定价各个环节的应用,包括风险评估、费率计算、产品设计等方面。同时,还会涉及到相关的核心算法、数学模型以及实际应用案例等内容。

欢迎来到我的优快云空间!这里聚焦AI大模型应用实战,分享前沿技术、实战案例与开发经验。 983

推荐系统:个性化推荐的算法与实践

1.背景介绍 推荐系统是人工智能和大数据领域的一个重要分支,它的核心目标是根据用户的历史行为、兴趣和需求,为其提供个性化的推荐。随着互联网的发展,推荐系统已经成为了各种在线平台(如电商、社交网络、视频平台等)的必备功能,为用户提供了更好的体验和服务。 在本篇文章中,我们将从以下几个方面进行阐述: 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解 具体代码实例和详...

AI天才研究院 1383

面向RKNN平台的YOLOv11 Pose部署实战:模型转换、优化与端侧姿态估计推理

本文研究了YOLOv11 Pose模型在Rockchip RKNN平台上的部署方案。通过分析模型架构和关键技术,提出完整的转换流程,包括ONNX格式转换、检测头优化和量化配置。在RK3588硬件平台上实现了100 FPS的实时姿态检测,验证了该方案的可行性。研究主要贡献包括:1)提出YOLOv11 Pose到RKNN平台的完整转换方案;2)优化后处理算法;3)实现高效的边缘计算部署。实验结果表明,该方案能有效解决边缘设备计算资源受限的问题,为人机交互等应用场景提供了实用的技术方案。

m0_71589036的博客 613

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

800 篇顶会论文纵览推荐系统的前沿进展(转载)

从早期基于用户或物品邻域的 UserKNN 和 ItemKNN 方法,到基于矩阵分解的 SVD++、BPRMF,再到近几年基于图神经网络的 NGCF、LightGCN 等模型,基于相似性进行推荐的思路时至今日仍然在新技术的推动下焕发着强大的生机。本文聚焦于推荐系统在学术研究方面的前沿进展,在之前整理的 Awesome-RSPapers 基础上扩展了近两年顶会中推荐系统相关的论文,涵盖 SIGIR、SIGKDD、RecSys、CIKM、AAAI、WSDM、WWW 的 20 次会议。欢迎大家关注和 Star~

weiwei935707936的博客 2152

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

推荐系统的研究前沿:如何跟上AI技术的快速发展

1.背景介绍 推荐系统是现代互联网企业的核心业务之一,它通过对用户的行为、兴趣和需求进行分析,为用户提供个性化的信息、产品和服务建议。随着人工智能技术的快速发展,推荐系统的研究也面临着新的挑战和机遇。本文将从以下几个方面进行探讨: 推荐系统的核心概念和联系 推荐系统的核心算法原理和具体操作步骤 推荐系统的数学模型和公式 推荐系统的具体代码实例和解释 推荐系统的未来发展趋势和挑战 推荐系统的常...

AI天才研究院 1135

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

推荐系统之排序:基本原理和前沿研究(2023)

本文对工业界和学术界相关进展进行深入调研,并结合自身过往工作经验,对推荐系统中排序过程涉及知识进行总结。

nihaomafb的博客 3580

我们的团队

大家好,我们是Rosting Team,这里是我们最终的成员介绍。 Alpha开发阶段的团队介绍在此:http://www.cnblogs.com/rosting/archive/2011/08/16/2141492.html 我们来自“世界上最火的计算机实验室”——微软亚洲研究院。 六位本科实习生来自享誉海内外的中国科学技术大学的计算机、电子工程、数学等专业。 还有一位外国友人,...

weixin_34354945的博客 187

个性化推荐系统,必须关注的五大研究热点

“猜你喜欢”、“购买过此商品的用户还购买过……”对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说,个性化推荐已经不是什么新鲜事儿。 随着信息技术和互联网行业的发展,信息过载成了人们处理信息的挑战。对于用户而言,如何在以指数增长的资源中快速、准确地定位到自己需要的内容是一个非常重要且极具挑战的事情。对于商家而言,如何把恰当的物品及时呈现给用户,从而促进交易量和经济增长,也是一件颇具难度的事情。推荐系统的诞生极大地缓解了这个困难。 推荐系统是一种信息过滤系统,能根据用户的档案或者历史行为记录

chaishen10000的专栏 2733

【推荐系统】深入理解:从基础到前沿

优势:矩阵分解方法在处理大规模数据和捕捉隐含特征方面表现出色,特别是能够有效地处理稀疏矩阵。- 挑战:需要大量计算资源,尤其是在处理超大规模数据集时。

aaaa_hsjsueu的博客 1万+

CCF推荐会议 | 人机交互:截稿日期纵览 (含CSCW, UbiComp, collaboratecom 等会议微信交流群)

更多会议截稿信息,期刊Special Issue,以及盛会的讨论qun,请移步gzh查看。 ​以上为未来三个月已公布截稿日期的CCF推荐,人机交互领域会议,按照时间排序。 个别会议因为没有公布截稿信息而不在所列时间线内。 录取率信息为网络上可获得的最近年份数据,不一定是上一年的,文中尽量选择同时带有投稿量的数据年份供大家参考. Core Ranking会排除Not primarily CS,regional或者是national的会议,个别未上榜会议不代表会议水平差。 具体列表如下: ..

CS_Conferences的博客 4780

视频——推荐系统前沿

Graph 数据很多都是以Graph的形式存在,使用Graph Neural Network 邻居节点的信息加起来。used based 用户对item的数据 用户数量大,找到相似的用户,用户的兴趣相对时间不容易变化。Item based 物品基本都是不变的,参数基本都是不变的,参数基本只需要计算一次。CNN 处理图片,跟向量不一样,是28×28这种,CNN最核心的模块就是卷积。50分钟视频结束,感觉不是很前沿的技术,更像是大模块的说明。用户矩阵,每一行可以用向量代表他的兴趣爱好。

Drogal_dracarys的博客 140

2019 AI开发者大会

2019 AI开发者大会(AI ProCon 2019)是由中国IT社区优快云主办的AI技术与产业年度盛会。多年经验淬炼,如今蓄势待发:2019年9月6-7日,大会将有近百位中美顶尖AI专家、知名企业代表以及千余名AI开发者齐聚北京,进行技术解读和产业论证。我们不空谈口号,只谈技术,诚挚邀请AI业内人士一起共铸人工智能新篇章!

【推荐系统】推荐系统数据流的经典技术架构+微软、阿里、微软等10大深度学习CTR模型最全演化图谱

所谓流处理平台,是将日志以流的形式进行mini batch处理的准实时计算平台,流处理平台计算出的特征可以立马存入特征数据库供推荐系统模型使用,虽然无法实时的根据用户行为改变用户结果,但分钟级别的延迟基本可以保证用户的推荐结果准实时地受到之前行为的影响。...

优快云 精品推荐 1995
上一篇: 【百战GAN】如何使用GAN给黑白老照片上色?
下一篇: 【CV冬季划】终极进阶,超30个项目实战+3大基础方向专栏+3本书+3年知识星球(2022年言有三一对一辅导)...
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3636粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值