简介

精彩点评

• 

  吴萍

  推荐

  带着扫盲目的来读的，还不错，理论和实践都有涉及。就是整本书给我一种大型文献综述的感觉，更多是把前人经验进行系统总结，感觉推荐系统在算法原理基本上大同小异，更重要的是结合业务场景去思考

• 

  点墨留香

  推荐

  最近工作中正好在探索如何设计一个好的推荐算法，这本书展示了推荐系统的整个知识体系，填补了我推荐系统这个知识领域的空白，启发很大，也值得之后回头翻阅。 整本书的脉络是：提出一个问题-给出解决算法-产生新的问题-提出解决新问题的办法。不仅仅讲清楚了是什么，更说明就为什么要这么做。这样循序渐进的方式符合大部分人的认知顺序，比单纯地堆砌算法更容易让人理解。

• 

  陈佳森

  推荐

  对推荐系统的科普读物，介绍了很多朴素的想法和一点延伸。出版是2012年，深度学习的算法还没涉及。

• 

  Joe

  推荐

  推荐算法是依赖于数学原理实现的，即根据推荐系统的极几大核心目标进行研究，最终通过算法建模、最优解等方式实现，文中附有清晰的Python案例，由于缺乏一定Python基础，后续这块需要重点看。本书作为实践性很强的推荐科普书籍，对于了解推荐算法的基本原理、理论研究应用、案例分析都十分有帮助。

• 

  彭和平

  推荐

  九年前，张一鸣看到此书，创立了移动互联网时代的巨无霸字节跳动。 九年后，先驱君看完此书，只是为了补补课，探究为什么这十年发生这么大变化，为什么社会普遍存在“信息过载”的问题。 时运即是如此。

• 

  季节

  推荐

  帮助快速了解主流的系统推荐算法，对于没有算法基础的人来说理解起来也相对容易。若果能够提供数据集进行实践练习就再好不过，有条件的也可以基于自己可获取的数据集进行练习。没有练习还是很难真正掌握，但本书对于扫盲来说已经非常够了。再次觉得系统性的阅读非常必要，能够让自己快速搭建起对一个领域的知识树。

• 

  别回头

  推荐

  这是一本理论与实践相结合的书籍，前面六章讲了推荐系统中做推荐算法常用的处理方法，在描述过程中一直结合实际生活中的例子，不是纯理论性的文章；第七章的推荐系统实例，介绍了推荐系统架构和引擎架构，对我们自己设计推荐系统会有一些帮助；虽然这是2012年出版的书，但是我2021年末读起来，一点不会觉着老旧，感觉书中很多处理方法现在还是在用，千万不要看出版时间忽略掉这本书

• 

  37℃男人

  推荐

  这本推荐算法数，文笔简易，思路清晰，站在实践者角度解决实际问题，适合实践者阅读，阅读、理解容易，值得推荐

• 

  陈雪涛

  推荐

  这本书系统性的解释了什么是推荐系统，推荐系统的原理，推荐系统的实现以及推荐系统的算法等。 其核心是收集用户特征，通过商品或者兴趣等算法找到用户感兴趣的物品或者商品。 通读从产品经理的角度已经可以对主流互联网产品进行解释，并且初步设计推荐系统

• 

  汝超

  推荐

  学习了，很多思想很受用，不止是算法可以看，策略产品也能有很多收获！

• 

  王凯

  推荐

  深度还是够的，但技术不太新。现在深度学习在推荐系统的应用已经很广泛了。框架跟大型互联网公司的也有一点差异。

• 

  BB（不听语音）

  推荐

  对于无技术背景的用户，有很好的科普作用，对于推荐系统的各种类型与其实践，有丰富的案例支持

• 

  大林

  推荐

  适合产品研读，看完一遍后，把每案例，流程图整理出来。再去看看真实产品的交互。

• 

  晓艺

  推荐

  通过推荐系统实践，更加了解内容类电商类榜单类产品的设计原理，其实知道计算机遵循输入输出原理。有了推荐系统，除了能更查找到自己想要的信息，也能根据自己的兴趣爱好和品位获得来自系统的推荐。而实现推荐的方式正是这本书所讲的，基于用人口统计学的基础信息，用户的行为，行为的时间地点和触发时间，以及用户相关联的其它用户的这些信息，在这些信息的基础上建立推荐算法和系统，实现不同策略和场景下的内容推荐。

• 

  ReubenWang

  推荐

  本书讲解了很多种基于算法实现的推荐，更偏向于算法工程师阅读，不过通过本书可以了解不同推荐算法在不同场景下的优劣对比，书中引用了很多推荐相关的论文文章，理论与实践相结合，对于刚入门大数据推荐系统的我来说，需要了解的还有很多，加油！