机器学习与推荐系统实践
2018年7月1日
大数据/数据驱动
刘志强
360信息流高级推荐算法专家
毕业于中国人民大学情报学专业，长期从事推荐系统建设与推荐算法研究工作。
曾在阿里巴巴、百度等公司担任推荐系统及推荐算法方面工作。对推荐系统架构、数据平台、以及利用机器学习解决推荐系统中的问题有较多经验。
机器学习应用解决方案践行者，除推荐系统之外，对机器学习在电商、零售、空间人口画像、智能运维、金融风控等领域的应用也有一定研究。,
  • 分享简介
    随着数据应用的不断普及和机器学习应用的不断深入，越来越多的用户行为被各大平台收集，基于用户行为理解而构建基于机器学习算法推荐系统越来越普遍。本次演讲主要针对推荐系统中的一些基本问题在基于机器学习技术的解决方案。并结合具体推荐场景案例深入剖析机器学习应用系统在问题定义，用户理解，模型构建及应用的整体流程。
  • 分享提纲
    1推荐系统的技术价值
    2资源标识案例
    3精准兴趣识别案例
    4推荐方案案例
  • 分享收益

    １.目标： 从推荐系统中的某个具体问题出发，由浅入深分析如何应用机器学习技术帮助推荐系统实现更精准的用户兴趣识别和推荐效果。

    ２.成功（或教训）要点： 建立以数据和模型视角的用户行为理解 ，机器学习技术如何在实际中的应用分析

热门推荐