工程師
互聯(lián)網(wǎng)
架構(gòu)設計
機器學習
推薦系統(tǒng)
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

推薦系統(tǒng)架構(gòu)設計與系統(tǒng)實現(xiàn)

孟工

前百度 高級研發(fā)工程師

孟工,近十年機器學習學習與從業(yè)經(jīng)驗,一直專注于AI技術(shù)的建設和應用。曾先后歷任第四范式建模工程師、百度高級研發(fā)工程師、BIGO資深研發(fā)工程師、Allsec研發(fā)總監(jiān)。有比較豐富的ToB/ToG數(shù)據(jù)智能化經(jīng)驗。曾從0到1建設基于大規(guī)模深度學習的個性化檢索技術(shù)體系,大幅度提升業(yè)務營收。
曾負責四大行智能營銷系統(tǒng)建設、某銀行信用卡中心現(xiàn)金分期產(chǎn)品智能營銷系統(tǒng)建設、百度金融垂類機器學習平臺建設工作、金融客戶百度信息流廣告投放優(yōu)化工作。
目前本人專注在大模型及Agent算法技術(shù)領域。

孟工,近十年機器學習學習與從業(yè)經(jīng)驗,一直專注于AI技術(shù)的建設和應用。曾先后歷任第四范式建模工程師、百度高級研發(fā)工程師、BIGO資深研發(fā)工程師、Allsec研發(fā)總監(jiān)。有比較豐富的ToB/ToG數(shù)據(jù)智能化經(jīng)驗。曾從0到1建設基于大規(guī)模深度學習的個性化檢索技術(shù)體系,大幅度提升業(yè)務營收。 曾負責四大行智能營銷系統(tǒng)建設、某銀行信用卡中心現(xiàn)金分期產(chǎn)品智能營銷系統(tǒng)建設、百度金融垂類機器學習平臺建設工作、金融客戶百度信息流廣告投放優(yōu)化工作。 目前本人專注在大模型及Agent算法技術(shù)領域。

課程費用

5800.00 /人

課程時長

2

成為教練

課程簡介

本課程主要以講解工業(yè)界推薦系統(tǒng)領域先進技術(shù)為主,基于業(yè)務視角從業(yè)界主流推薦系統(tǒng)架構(gòu)案例出發(fā),圍繞用戶理解、內(nèi)容生態(tài)和作者生態(tài),剖析推薦系統(tǒng)。
本課程主要包含推薦在線預估、在線檢索、在線策略服務架構(gòu)設計與工程實現(xiàn)、特征中心、A\B實驗平臺、監(jiān)控平臺等推薦系統(tǒng)整體架構(gòu)設計中的核心模塊。
本課程從在線架構(gòu)和離線架構(gòu)入手設計設計機器學習算法在推薦系統(tǒng)中的落地解決方案,講解推薦系統(tǒng)關(guān)鍵技術(shù)。
從常見的CF召回算法入手,引申到KT、UT、AT等推薦系統(tǒng)召回算法體系建設。
介紹推薦系統(tǒng)粗排算法架構(gòu)與精排算法的技術(shù)演變及常見問題解決方法、系統(tǒng)架構(gòu)。
結(jié)合實際應用場景的系統(tǒng)方案分析,圍繞多目標、多樣性、多場景,講解用戶滿意度優(yōu)化、內(nèi)容生態(tài)優(yōu)化、作者生態(tài)優(yōu)化等推薦系統(tǒng)中常見業(yè)務問題。

目標收益

1.從企業(yè)級應用的角度對推薦系統(tǒng)有一個全面的認識,知道推薦系統(tǒng)的技能要求、價值、應用場景
2.了解最主流的推薦算法基本原理
3.熟悉在線推薦系統(tǒng)的產(chǎn)品形態(tài),針對不同的產(chǎn)品怎么更好地整合物料投放系統(tǒng)以發(fā)揮業(yè)務價值
4.了解在真實業(yè)務場景中怎么做好推薦系統(tǒng),讓推薦系統(tǒng)真正產(chǎn)生商業(yè)價值
5.獲得講師多年實踐推薦系統(tǒng)系統(tǒng)的經(jīng)典案例和經(jīng)驗
6.金融業(yè)務場景推薦系統(tǒng)的針對性優(yōu)化思路和方案

培訓對象

課程大綱

業(yè)界主流推薦系統(tǒng)剖析 1.某電商推薦系統(tǒng)剖析
2.某短視頻推薦系統(tǒng)剖析
3.某新聞推薦系統(tǒng)剖析
推薦系統(tǒng)整體架構(gòu)設計與核心模塊講解 1.在線預估服務設計
2.在線召回檢索系統(tǒng)設計
3.在線策略服務架構(gòu)設計
4.特征服務與特征數(shù)據(jù)流設計
5.A\B實驗平臺設計
6.監(jiān)控平臺設計
機器學習在推薦系統(tǒng)中的落地解決方案 1.機器學習在線架構(gòu)設計(特征抽取、模型預估、模型路由、大模型在線參數(shù)服務器)
2.機器學習離線數(shù)據(jù)流設計(特征處理、模型訓練、模型發(fā)布)
推薦系統(tǒng)召回算法體系建設與排序算法體系建設 1.UT、KT、AT召回算法設計
2.前沿的圖召回算法設計
3.召回中的冷啟動問題
4.粗排模型設計與架構(gòu)實現(xiàn)
5.統(tǒng)一粗排歸并策略設計
6.粗排中的多樣性問題
7.精排模型演進迭代史
8.精排中的特征工程
9.精排中的過擬合問題解決方案
10.精排中的多任務學習問題
11.多目標融合問題
12.多樣性問題解決方案
業(yè)界主流推薦系統(tǒng)剖析
1.某電商推薦系統(tǒng)剖析
2.某短視頻推薦系統(tǒng)剖析
3.某新聞推薦系統(tǒng)剖析
推薦系統(tǒng)整體架構(gòu)設計與核心模塊講解
1.在線預估服務設計
2.在線召回檢索系統(tǒng)設計
3.在線策略服務架構(gòu)設計
4.特征服務與特征數(shù)據(jù)流設計
5.A\B實驗平臺設計
6.監(jiān)控平臺設計
機器學習在推薦系統(tǒng)中的落地解決方案
1.機器學習在線架構(gòu)設計(特征抽取、模型預估、模型路由、大模型在線參數(shù)服務器)
2.機器學習離線數(shù)據(jù)流設計(特征處理、模型訓練、模型發(fā)布)
推薦系統(tǒng)召回算法體系建設與排序算法體系建設
1.UT、KT、AT召回算法設計
2.前沿的圖召回算法設計
3.召回中的冷啟動問題
4.粗排模型設計與架構(gòu)實現(xiàn)
5.統(tǒng)一粗排歸并策略設計
6.粗排中的多樣性問題
7.精排模型演進迭代史
8.精排中的特征工程
9.精排中的過擬合問題解決方案
10.精排中的多任務學習問題
11.多目標融合問題
12.多樣性問題解決方案

課程費用

5800.00 /人

課程時長

2

預約體驗票 我要分享

近期公開課推薦

近期公開課推薦

活動詳情

提交需求