现如今推荐系统在我们的生活中无处不在，逛淘宝看到的“你可能还喜欢”、网易云的“推荐歌单”等功能都是通过推荐系统进行的推送。信息爆炸的当下，推荐系统在互联网行业得到了广泛的应用，同时也出现了大量岗位，推荐算法人才的稀缺程度水涨船高，薪资水平也十分可观。
截至2022年8月4日，推荐系统工程师月平均工资￥30K-50K，对比平均工资￥10.2K高252.8%，即使每个地区薪资情况各有不同，但推荐岗的薪资也至少高于当地平均工资50%。
如此好的行业前景和薪资水平吸引了各行各业的人才，但，学习推荐算法真的这么简单吗？
信息爆炸同样在学习方面困扰着我们，每年CIKM、KDD、SIGIR上各种作者发布的文章雪花般众多，干货和注水文混杂，我们在学习时很难分辨到底哪篇文章才是自己想要的、谁的方法可以解决我们的问题。
造成目前这种情况的原因是有些朋友在初学推荐系统时，没有梳理好这门课程的条理系统，只是在“小鸡啄米”般读论文，无法将各篇论文中的观点通汇贯通，犹如一盘散沙，导致论文虽然读得多，但却越来越糊涂。
只读论文也是不够的，在实际工作中，我们需要用算法和代码解决各种各样的问题，只停留在理论层面无法从容应对工作，特别是想转行的初学者和在校学生，接触实践的机会少之又少，我们一定要想方设法自己寻找实践的机会，做项目、打比赛，锻炼自己解决企业问题的能力，提高找工作的竞争力。
>>推荐系统是什么<<
说了这么多行业的现状，简单聊一下推荐系统本身。
在业务层面是指利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。
在业务层面包括召回、粗排、排序、重排几项技术，是在移动互联网时代应运而生的一项科技。
>>究竟该如何学习推荐系统呢<<
我这边整理了一个完整的思路可以分享给大家。第一步需要巩固和补足通用知识的基础，分别从算法基础、机器学习、代码能力、工程能力四个方面学习。
算法基础包含高等数学、线性代数、概率论、离散数学。
机器学习包含传统模型、深度学习模型、图模型、NLP相关模型。
代码能力需要掌握编程语言（Python）、深度学习框架（TF/PyTorch）、大数据工具（Spark）。
工程能力方面则需要掌握数据存储、处理耗时、分布式计算、计算效率等。
第二步开始学习推荐算法，依次深入学习召回、排序、重排三个大项。
召回模块需要学习热门召回/规则策略、itemCF/userCF、item2vec向量协同、nede2vec图关联协同、FM模型化召回、youtubeDNN/MIND深度化召回。
排序模块需要学习LR线性模型、GBDT树模型、FM模型、DeepFM、MMOE模型。
重排模块需要掌握规则策略、运营策略、LR模型、强化学习等。
>>干货福利<<
在此也给大家准备了福利，我邀请到本次推荐系统正式课的老师，录制了推荐系统的试学项目，一共有5节，对大家了解算法实践以及准备求职面试有很大的帮助。
添加客服微信，回复“推荐5”获取
⬇️⬇️
0基础入行推荐系统
国家级机器学习导师 | 企业项目实践
助教全天伴学、系统理论输入、还原大厂面试
