Sparrow RecSys笔记1---开篇词

• 推荐系统工程师需要我又有深度，又有广度。
  • 推荐系统每个模块都有很深的技术纵横，都需要持续性的研究和实践才能成为领域专家。

    ---

• 问题汇总tips

• 关于推荐系统岗位的定位：
  • 纯粹的算法工作PHD竞争就已经很激烈了。
  • 对于像我这样转行的人，应把重点放在：
    • 机器学习工程框架；
    • 推荐系统的线上系统；
    • 相关大数据pipline等方向上。
  • 上述方向同样重要，并对模型创新要求没那么高。
• 在8、9千万数量级用户中，深度学习相比传统机器学习算法能提升多少？值得尝试深度学习么？
  • 不同业务交叉对比看，相比传统模型有取得过10%到40%的提升；
  • 对于更大用户量、更好的数据质量的话，完全能有这种提升幅度。
• 关于编程语言 ：
  • 若想做偏业务类的推荐工作，基于经验，需要会用JAVA和python。
  • java和python比较友好，并线上的部分，很多都用java来实现。
  • 也有C++ 或GO实现的，但我不太了解
• 对于复杂业务场景，一般采用深度学习主模型 + 混合多种推荐策略 ---满足业务需求。注：必须要跟具体业务逻辑结合在一起才能支持实际的需求。
• 线上模型中，对于曝光数据的收集一般通过app埋点和kafka等消息队列服务来进行。
  • ？？ 目前不懂，到底该怎么实现呢？？
  • 还是说推荐工程师在这方面得和前端一起合作，接收他们做好收集好的数据？