视频 · 推荐算法技术沙龙 20190615

分享嘉宾：薛海霞、张惟师、翦浩 

编辑整理：Hoh Xil

内容来源：DataFun AI Talk

出品社区：DataFun

注：关注本文公众号，后台回复“0615”下载配套 ppt

内容摘要：

★   随着信息过载时代的到来，人们逐渐习惯于从主动获取信息变成了被动接受信息，而基于推荐算法的内容、商品、服务分发系统，也已经逐步成为信息平台、电商等几乎所有互联网业务的标配，逐步给各个业务场景带来巨大的收益。推荐系统通过分析用户行为、理解平台内容与服务，对用户意图、兴趣进行建模，从而预测用户的需求并进行相应的推荐。推荐系统给 Amazon 带来了 35% 的销售收入，给 Netflix 带来了高达 75% 的消费，而短视频、信息流等领域的爆发，更是将推荐技术带到了新的高度。

★   因此，如何搭建有效的推荐系统意义深远。本次沙龙，我们将从深度学习、 排序 系统、低频少样本长验证周期、社交场景下的推荐算法应用等几个方面，一起看看推荐系统的未来，为大家详细介绍相关推荐技术是如何应用实践的。

Topic1：网易新闻推荐：深度学习排序系统及模型

内容摘要： 作为移动阅读时代比较有代表性的新闻客户端，本次分享将介绍网易新闻在从零构建深度学习排序系统的过程中，如何通过一整套系统化的创新算法与架构，来提升信息流个性化推荐场景中的核心业务指标和系统性能。

视频：

嘉宾介绍：

薛海霞，网易传媒深度学习团队负责人。负责网易新闻推荐系统，深度学习方向的技术研发。硕士毕业于北航，曾就职百度，参与手机百度 Feed 流推荐相关的研发。

Topi c2：低频少样本长验证周期场景下的算法设计

内容摘要： 大数据时代算法对数据的依赖越来越重，目前比较先进的算法在高频海量样本的情况下很容易产生突破，但在低频少样本长验证周期等算法不友好的场景下，算法是否有仍有施展空间，本次分享会和大家一起讨论。

视频：

嘉宾介绍：

张惟师，居理新房大数据 VP 。负责公司数据和 AI 算法工作，公司现为新房电商垂直领域的 NO.1；之前为恒昌 Fintech 研究院负责人，阿里巴巴高级算法专家；清华大学硕士，学生阶段获美国大学生数学建模竞赛一等奖。

Topi c3：推荐技术随谈

内容摘要： 机器学习应用在推荐系统中，已经是非常成熟的技术。笔者想从推荐系统技术发展的角度，和大家讨论下某些技术的特点以及改进点。抽象让技术应用变得越来越容易，也对算法工程师面临的挑战越来越大。

视频：

嘉宾介绍：

翦  浩，脉脉高级算法研究员。曾任百度资深研发工程师、阿里巴巴高级算法专家，对搜索/推荐算法、机器学习有深入研究，具有扎实的技术功底。

PPT 下载：

关注本文公众号，后台回复 “ 0615 ” 

——END——

文章推荐：

推荐系统衡量：ABtest 框架

推荐系统评价：什么是好的推荐系统

关于 DataFun：

DataFun 定位于最实用的数据智能平台，主要形式为线下的深度沙龙、线上的内容整理。希望将工业界专家在各自场景下的实践经验，通过 DataFun 的平台传播和扩散，对即将或已经开始相关尝试的同学有启发和借鉴。

DataFun 的愿景是：为大数据、人工智能从业者和爱好者打造一个分享、交流、学习、成长的平台，让数据科学领域的知识和经验更好的传播和落地产生价值。

DataFun 成立至今，已经成功在全国范围内举办数十场线下技术沙龙，有超过三百位的业内专家参与分享，聚集了数万大数据、算法相关领域从业者。

您的「在看」，我的动力！:point_down: