工程实战课程进阶中文3–6 周★ 7.3k88 章可站内阅读
FunRec 推荐系统
Datawhale 推荐系统入门教程
Datawhale· 7,281 stars
Datawhale 推荐系统入门教程,覆盖召回、排序、重排与评估,并提供中文在线阅读站点。适合想系统入门推荐、亲手做召回/排序基线,而不是只收藏论文清单的学习者。
为什么收录 · 实践层架补上推荐系统中文体系课,填补书架在推荐垂直方向的长期空白,和 ML Zoomcamp 形成业务场景对照。
推荐系统召回排序Datawhale中文教程
这本书强在哪
- 中文体系化推荐课,可读性强
- 有在线阅读站点,结构清晰
- 补齐书架在推荐方向的空白
- 与 fun ML 实践路径互补
建议怎么学
- 01先读基础算法与评估
- 02按召回→排序→重排实现最小 demo
- 03用公开数据集跑通离线评估
适合谁 / 前置
- Python
- 机器学习基础
学完得到什么
- 理解推荐系统主流范式与评估指标
- 能实现常见召回/排序基线
- 掌握特征与样本构造思路
- 建立可扩展的推荐实验流程
目录
来自站内阅读器镜像;点击章节直接阅读
chapter 0 introduction3 章
chapter 1 retrieval22 章
- 042.1.1. ItemCF:基于物品相似度的协同过滤markdown
- 052.1.2. Swing:面向工业场景的相似度优化markdown
- 062.1.3. UserCF:基于用户相似度的协同过滤markdown
- 072.1.4. 矩阵分解:从相似度计算到向量表示学习markdown
- 082.1. 协同过滤markdown
- 092.2.1. Word2Vec:序列建模的理论基础markdown
- 102.2.2. Item2Vec:最直接的迁移markdown
- 112.2.3. EGES:用属性信息增强序列markdown
另有 14 章 · 进入站内阅读查看完整目录
chapter 2 ranking14 章
- 263.1. 记忆与泛化markdown
- 273.2.1. 二阶特征交叉markdown
- 283.2.2. 高阶特征交叉markdown
- 293.2. 特征交叉markdown
- 303.3. 序列建模markdown
- 313.4.1. 基础结构演进markdown
- 323.4.2. 任务依赖建模markdown
- 333.4.3. 多目标损失融合markdown
另有 6 章 · 进入站内阅读查看完整目录
chapter 3 rerank4 章
chapter 4 trends4 章
chapter 5 gr basic6 章
chapter 6 scaling7 章
chapter 7 gr e2e5 章
chapter 8 thinking5 章
chapter 9 diffusion5 章
chapter 10 projects8 章
chapter appendix1 章
chapter installation1 章
chapter notation1 章
chapter preface1 章
chapter references1 章
策展亮点章节
前言基础算法召回排序重排评估与实践
仓库数据
Stars7,281
Forks1,024
主要语言Python
创建2020/8/9
更新2026/8/11
5f7bd84d(master)· 许可证 需人工确认 (NOASSERTION)。 上游更新后可通过同步脚本刷新。