视频 · 推荐算法技术沙龙 20190615

分享嘉宾：薛海霞、张惟师、翦浩 

出品社区：DataFun

内容摘要：

★ 随着信息过载时代的到来，人们逐渐习惯于从主动获取信息变成了被动接受信息，而基于推荐算法的内容、商品、服务分发系统，也已经逐步成为信息平台、电商等几乎所有互联网业务的标配，逐步给各个业务场景带来巨大的收益。推荐系统通过分析用户行为、理解平台内容与服务，对用户意图、兴趣进行建模，从而预测用户的需求并进行相应的推荐。推荐系统给 Amazon 带来了 35% 的销售收入，给 Netflix 带来了高达 75% 的消费，而短视频、信息流等领域的爆发，更是将推荐技术带到了新的高度。

★ 因此，如何搭建有效的推荐系统意义深远。本次沙龙，我们将从深度学习、排序系统、低频少样本长验证周期、社交场景下的推荐算法应用等几个方面，一起看看推荐系统的未来，为大家详细介绍相关推荐技术是如何应用实践的。

Topic1：网易新闻推荐：深度学习排序系统及模型

内容摘要：作为移动阅读时代比较有代表性的新闻客户端，本次分享将介绍网易新闻在从零构建深度学习排序系统的过程中，如何通过一整套系统化的创新算法与架构，来提升信息流个性化推荐场景中的核心业务指标和系统性能。

视频：

嘉宾介绍：

薛海霞，网易传媒深度学习团队负责人。负责网易新闻推荐系统，深度学习方向的技术研发。硕士毕业于北航，曾就职百度，参与手机百度 Feed 流推荐相关的研发。

Topic2：低频少样本长验证周期场景下的算法设计

内容摘要：大数据时代算法对数据的依赖越来越重，目前比较先进的算法在高频海量样本的情况下很容易产生突破，但在低频少样本长验证周期等算法不友好的场景下，算法是否有仍有施展空间，本次分享会和大家一起讨论。

视频：

嘉宾介绍：

张惟师，居理新房大数据 VP 。负责公司数据和 AI 算法工作，公司现为新房电商垂直领域的 NO.1；之前为恒昌 Fintech 研究院负责人，阿里巴巴高级算法专家；清华大学硕士，学生阶段获美国大学生数学建模竞赛一等奖。

Topic3：推荐技术随谈

内容摘要：机器学习应用在推荐系统中，已经是非常成熟的技术。笔者想从推荐系统技术发展的角度，和大家讨论下某些技术的特点以及改进点。抽象让技术应用变得越来越容易，也对算法工程师面临的挑战越来越大。

视频：

嘉宾介绍：

翦浩，脉脉高级算法研究员。曾任百度资深研发工程师、阿里巴巴高级算法专家，对搜索/推荐算法、机器学习有深入研究，具有扎实的技术功底。

PPT 下载：

关注本文公众号《spark推荐系统》，后台回复 “ 0615 ” 

——END——

推荐阅读：

机器学习|支持向量机SVM(一)

机器学习|支持向量机SVM(二)

机器学习-线性回归(一)

机器学习-线性回归(二)

机器学习|梯度下降法

机器学习|逻辑回归

长按识别二维码关注我们