Polaris AI学习笔记2

前言

本想写一个纯AI的基础版，后发现还是要结合实际更好。AI落地比较多在我所知有NLP（自然语言），CV（图像），推荐系统等，我选择拿推荐系统来做后续介绍。本文仅代表个人的学习过程，可能内容会有冗余，懒得整理。

黄色星星是数学能力
蓝色星星是编程能力

ML & DL

扫盲+复习，对于很多不知道机器学习和深度学习区别的人。

传统机器学习就是自己去人工找特征，有很多办法：PCA，SVD等
深度学习就是用大量数据，机器自动帮你提取特征，但是解释性很差。

推荐系统

按照AI标准流程，需要 数据 ，模型， 预测。

推荐系统的数据，首先要有人物画像和标签系统。

用户画像 : 定义请Google

用户画像准则

1. 统一标识， 跨平台数据的User，统一一个ID
2. 给用户打标签
   八字原则：用户消费行为分析
   用户标签：性别、年龄、地域、收入、学历、职业等
   消费标签：消费习惯、购买意向、是否对促销敏感
   行为标签：时间段、频次、时长、收藏、点击、喜欢、评分
   （User Behavior可以分成Explicit Behavior和Implicit Behavior）
   内容分析：对用户平时浏览的内容进行分析，比如体育、游戏、八卦
3. 基于标签指导业务
   用户生命周期的三个阶段
   获客：如何进行拉新