推荐系统从0到1_1，目录中的内容会在专栏中一一补充和详细介绍。请大家耐心等待 。

• 目录结构
• • 引言
  • 推荐系统的必要性
  • 搭建推荐系统所需要的材料
  • 推荐系统整体框架概览
  • 推荐系统核心技术框架
  • 数据预处理
  • 用户画像
  • EE问题和相关算法
  • 曝光量的重要性和CTR的置信度
  • TopN推荐
  • CF算法原理介绍和实现
  • 用户画像在推荐的应用
  • 基于用户和文章标签的匹配召回
  • 基于用户行为的个性化推荐
  • Word2Vec介绍和应用
  • Bert处理文本
  • 用户行为与item的向量化
  • 用户行为与物品之间的相似
  • CTR预估
  • 基于图片进行推荐
  • 文章质量评分系统
  • 离线排序模型
  • 资讯去重算法
  • YouTube-DNN召回算法
  • YouTube-DNN排序算法
  • DSSM
  • MIND
  • SDM
  • 序列检索推荐
  • FM
  • FFM
  • Wide&Deep 算法
  • DeepFM
  • FTRL
  • GBDT+LR
  • Node2vec
  • LINE
  • DIN
  • DIEN
  • 排序架构
  • TF-Serving
  • 根据用户实时行为进行推荐
  • FLINK实时推荐
  • ABTest框架和实现
  • Item的实时曝光控制
  • 推荐系统的多样性
  • 查问题的正确姿势
  • 算法团队人员招聘
  • 算法团队管理
  • 算法项目管理
  • 怎样向合作部门介绍算法
  • 算法对于业务的评价