FunRec

FunRec推荐系统项目主要分为三个阶段，分别是推荐系统基础、推荐系统进阶和推荐系统应用，每个阶段的具体内容如下：

• 推荐系统基础，这部分内容旨在让初学者了解推荐系统是什么，有哪些经典的推荐算法以及经典算法的实现，这一部分也是推荐系统非常核心的部分。对于基础部分，已经完成了基础推荐算法，接下来是完成深度学习推荐相关的算法模型。
• 推荐系统进阶，这部分内容是在了解了推荐系统基础之后，在架构层面去了解推荐系统如何实现的，这里的内容会参考王喆老师的《深度学习推荐系统》这本书及SparrowRecSys开源项目，搭建一个完整的推荐系统框架。目前打算是基于最新的MIND数据集搭建一个新闻推荐的项目，在进阶部分除了推荐系统框架以外还有一个关于竞赛的实践内容，这部分内容是一个比较完整的推荐系竞赛入门的教程，将推荐系统中的召回和排序连在一起可以作为进阶部门的基础。
• 推荐系统应用，这一部分是基于基础和进阶之上，在推荐系统细分领域上做的内容，例如信息流推荐、视频推荐、音乐推荐等。这一部分需要一些对这些细分领域比较熟悉的人来协助共同完成，如果对这部分内容的贡献感兴趣的可以联系我们，一起来完善这个项目。

项目在Datawhale的组队学习过程中不断的迭代和优化，通过大家的反馈来修正或者补充相关的内容，如果项目对项目内容设计有更好的意见欢迎给我们反馈。

内容目录

• 第一章 推荐系统基础

  • 1.1 基础推荐算法
    • 1.1.1 推荐系统概述
    • 1.1.2 协同过滤
    • 1.1.3 矩阵分解
    • 1.1.4 FM
    • 1.1.5 GBDT+LR
  • 1.2 基于深度组合的深度推荐算法
    • 深度学习模型搭建基础
    • 1.2.1 NeuralCF
    • 1.2.2 Deep Crossing
    • 1.2.3 PNN
    • 1.2.3 Wide&Deep
    • 1.2.4 DeepFM
    • 1.2.5 Deep&Cross
    • 1.2.6 NFM
  • 1.3 深度推荐算法前沿
    • 1.3.1 AFM
    • 1.3.2 DIN
    • 1.3.3 DIEN
    • ...

• 第二章 推荐系统进阶

  • 2.1 竞赛实践(天池入门赛-新闻推荐)

    • 2.1.1 赛题理解
    • 2.1.2 Baseline
    • 2.1.3 数据分析
    • 2.1.4 多路召回
    • 2.1.5 特征工程
    • 2.1.6 排序模型
    • 2.1.7 模型集成
  • 2. 2推荐系统架构
    • 2.2.1 基础架构
    • 2.2.2 数据处理
    • 2.2.3 特征工程
    • 2.2.4 多路召回
    • 2.2.5 排序模型
    • 2.2.6 模型评估
    • 2.2.7 线上服务

  • 2.3 新闻推荐架构实践

    • 计划中...

• 第三章 推荐系统应用

  • 信息流推荐

  • 视频推荐

  • 音乐推荐

  • 广告推荐

    ......

致谢(贡献者)

内容设计

成员	个人简介及贡献	备注
罗如意	西安电子科技大学研究生，Datawhale成员，项目负责人；1.1.2-1.1.5代码编写，参与1.1.1、1.1.3、1.1.5内容编写，参与2.2.1-2.2.7内容编写	第18、19期助教
吴忠强	东北大学研究生，Datawhale成员，核心贡献者；1.1.2、1.1.4内容编写，参与2.2.2、2.2.5、2.2.6、2.2.7内容编写	第18、19期助教
李万业	同济大学研究生，Datawhale成员；参与2.2.4内容编写	第19期助教
陈琰钰	清华大学研究生，Datawhale成员；参与2.2.3内容编写	第19期助教
陈锴	中山大学本科生，Datawhale成员；参与1.1.3、1.1.5内容编写	第18期助教
梁家晖	Datawhale成员，公众号：可能好玩；参与1.1.1内容编写	第18期助教
王贺	算法工程师，Datawhale成员，公众号：Coggle数据科学；推荐系统实践之新闻推荐赛题设计

内容审核

成员	个人简介及贡献	备注
何世福	推荐算法工程师，Datawhale成员，项目负责人；内容审核	第18期助教
徐何军	推荐算法工程师，Datawhale成员；内容审核	第18期助教

组队运营

成员	个人简介及贡献	备注
刘雯静	第18期组队学习推荐系统基础助教
张汉隆	华北电力大学，第19期组队学习推荐系统实践助教
吴丹飞	华北电力大学，第19期组队学习推荐系统实践助教

电子书排版、证书制作

成员	个人简介及贡献	备注
吕豪杰	Datawhale成员，第18、19期内容电子书排版，证书制作与发放

如何加入我们

由于本项目还处于比较初期的阶段，目前主要是Datawhale推荐小组中的成员在推进这个项目，为了提高项目的质量，也非常希望对该项目感兴趣的小伙伴加入我们一起完善这个项目，如果对这个项目感兴趣的可以通过Datawhale公众号联系到我们。

关于Datawhale

Datawhale是一个专注于数据科学与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale 以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。 本次数据挖掘路径学习，专题知识将在天池分享，详情可关注Datawhale(二维码在上面)