讲师团队

• 
  吴老师
  推荐广告算法专家

  先在滴滴做算法、后在某创业公司任部门算法负责人，现在一大厂做推荐/广告算法，熟练ltr/ctr/cvr/纠偏/graph embedding on ad等技术，在推荐/广告算法方面有着丰富经验。

• 
  殷老师
  推荐和广告方向的技术专家

  就职于BAT的商业变现部门，在点击率预估、智能出价、投放策略等方面有丰富经验

• 
  王老师
  大厂推荐广告算法研发

  对推荐系统召回、排序等各模块有着丰富的工程经验，阿里云天池数据科学家，在国内外各大公司举办的几千支队伍参赛的竞赛中已获得十余次冠亚军奖项。

课程安排

• 第一部分 报名审核

  申请学员（以下简称学员）填写报名申请表并附上简历，电话或远程面试通过后，才视为报名成功，然后学员和七月在线（以下简称机构）双方签订培训合同。

• 第二部分 内容安排

  课程开始前，提供预习视频预习，课程开始后，每周安排直播、录播、实训、答疑，然后每两周考试一次，顺利通过阶段考试的学员，才能进入下一阶段的学习。未能通过考核的重新学习，做查漏补缺。

  第一阶段 业界前沿召回算法与特征工程

  在线视频：推荐业务、feed流产品及推荐算法策略架构解析

  • 1-推荐业务和推荐feed流产品详解
  • 2-推荐策略架构分解
  • 3-基于point wise 的stacking model 如何做用于推荐业务，以及相应的效果评估和模型如何升级(针对相应算法，提供data和code)

  在线视频：召回算法和业界最佳实践

  • 1-BAT里常用的CF算法以及变种（User/Item CF等变种)解
  • 2-Hybrid CF 算法
  • 3-Model Based CF（LFM矩阵分解、NMF、SVD)
  • 4-基于改进版协同过滤算法实战

  在线视频：搜索和推荐的matching技术

  • 1-NLP的基础知识，BOW， TF-IDF， BM25
  • 2-word2vec， topic model
  • 3-向量召回，embedding基础

  在线实训：改进版协同过滤算法实战

  在线视频：用户建模（召回、排序都会用到）

  • 1-BAT公司里常见的用户建模
  • 2-特征工程、分类模型开发

  在线实训：倒排索引项目实战

  在线直播：召回算法进阶实战

  • 1-多路召回策略实战（热门、兴趣标签、内容属性、协同过滤、业务规则等）
  • 2-Youtube召回实战

  在线直播：用户特征和Item特征的常用方法

  • 1-Embedding的数学本质和计算方法
  • 2-用户特征和人群画像
  • 3-手动和自动特征工程

  第二阶段 业界常用排序算法

  在线视频：排序算法&深度学习模型

  • 1-BAT里基础建模流程构造（涉及样本、特征、模型、系统设计和实践）
  • 2-深度召回模型最新进展（向量检索、深度学习等）
  • 3-深度排序最新进展（WDL、DeepFM、DeepCross等）
  • 4-用户序列建模（LSTM、GRU, word2vec等）

  在线视频：Learn to Rank

  • 1-Pointwise/Pairwise/Listwise排序（全局排序）
  • 2-多目标优化（ESMM等）
  • 3-多样性排序（BAT真实场景用户体验优化）

  在线实训：谷歌wide&deep模型实战

  在线视频：商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序

  • 1-电商推荐系统的难点
  • 2-业界推荐系统的公开数据集和开源经典算法以及用于解决coldstart和exploit-explore问题的bandit算法簇
  • 3-deep learning模型算法作用于排序及相应优化方案（针对相应算法，提供data和code）

  在线直播：CTR预估进阶实战（上）

  • 1-GBDT+LR 代码实战
  • 2-wide&deep 代码实战

  在线直播：CTR预估进阶实战（下）

  • 1-DeepFm 代码实战
  • 2-DIN 代码实战

  第三阶段 在线学习与实时化计算

  在线视频：分布式机器学习系统及其在排序模型中的应用

  • 1-分布式机器学习系统综述
  • 2-Parameter Server介绍
  • 3-基于Paramer Server的大规模离线LR/FM实现介绍

  在线视频： 实时化技术升级

  • 1-Online Learning 算法（FTRL、增量学习等）
  • 2-Online Learning 在BAT的系统架构

  在线实训 ：Online Learning 最新算法实现

  在线视频：在线学习和相关技术

  • 1-L1, L2和FTRL优化算法
  • 2-流式计算和流式数据
  • 3-在线模型和实时特征

  在线直播：基于flink和scala的实时计算

  • 1-flink相关知识点介绍
  • 2-scala的相关知识,flink scala API初步上手
  • 3-flink JOIN,MAP,TIMEWINDOW等算子的使用，checkpoints等高级特性的简介
  • 4-实时数据进入tensorflow,tensorflow实时reader

  在线直播：单机和分布式深度学习tensorflow实践

  • 1-掌握tensorflow单机和分布式操作
  • 2-熟悉tensorflow serving
  • 3-掌握对于数据进行分析和模型进行评估

  第四阶段 推荐系统最新技术

  在线视频：学术界最新算法在BAT的应用

  • 1-电商推荐中的Delayed reward强化学习算法
  • 2-GAN等技术在推荐系统的实践

  在线视频：掌握真实业务场景下的推荐算法

  • 1-社交推荐算法
  • 2-短视频推荐算法
  • 3-音乐推荐
  • 4-新闻推荐
  • 5-电商推荐

  在线直播：多目标排序

  • 1-推荐系统中的CTR、CVR任务如何共同建模
  • 2-多目标排序的问题点
  • 3-如何通过算法将推荐系统中的用户显式反馈行为和隐式反馈行为(浏览、点击、购买和评论)进行表征同时作用于个性化推荐（针对相应算法，提供data和code）

  在线直播：推荐系统最新技术、场景、方向解析

  • 1-推荐新场景
  • 2-推荐系统可解释性
  • 3-推荐系统多样性
  • 4-推荐系统公平性
  • 5-冷启动问题的最新解法

• 第三部分 实战项目

  在课程进行的后半段，学员根据自己的兴趣和求职的方向选择实战项目：

  第一阶段 整体架构介绍与环境数据准备

  在线直播：项目1 京东蜂巢智能推荐的介绍与准备

  在线直播：项目2 京东高潜用户购买预测的介绍与准备

  在线直播：项目3 电商平台商品推荐系统的介绍与准备

  第二阶段 特征工程与初步建模

  在线直播：项目1 京东蜂巢智能推荐的特征工程与初步建模

  在线直播：项目2 京东高潜用户购买预测特征工程与初步建模

  在线直播：项目3 电商平台商品推荐系统的特征工程与初步建模

  第三阶段 模型的迭代与优化

  在线直播：项目1 京东蜂巢智能推荐的迭代与优化

  在线直播：项目2 京东高潜用户购买预测的迭代与优化

  在线直播：项目3 电商平台商品推荐系统的迭代与优化

  第四阶段 模型的评估与上线

  在线直播：项目1 京东蜂巢智能推荐的评估与总结

  在线直播：项目2 京东高潜用户购买预测的评估与总结

  在线直播：项目3 电商平台商品推荐系统的评估与总结

  第五阶段 次项目的整体流程和核心技能点

  在线直播：项目4 游戏推荐系统的整体流程和核心技能点

  在线直播：项目5 猜你喜欢场景下的推荐系统整体流程和核心技能点

  在线直播：项目6 Netflix推荐竞赛整体流程和核心技能点

• 第四部分 面试求职

  针对学员所选的实战项目，进行项目与简历的最终调整与完善。然后除了学员自己投简历找工作之外，增加内推，并跟踪每一次面试的结果，不断辅导迭代，最终拿到offer。

  第一阶段 项目总结和就业辅导

  在线直播： 六大项目的总结与就业辅导

  • 1-项目1 京东蜂巢智能推荐、项目2 京东高潜用户购买预测、项目3 电商平台商品推荐系统、项目4 游戏推荐系统、项目5 猜你喜欢场景下的推荐系统、和项目6 Netflix推荐竞赛的项目总结
  • 2-简历的优化与调整：如何把课程项目写进简历里，需要突出哪些技术点、如何确定评估指标

  第二阶段 面试辅导与内推

  • 1-内推包括且不限于互联网名企
  • 2-跟踪每一个学员的就业动态，辅导每一次面试遇到的问题

• 第五部分 入职护航

  针对学员入职后工作上遇到的技术方面问题，进行一周的跟踪服务，为学员稳定就业保驾护航。

学员面经

• 
• 
•