推薦系​​統全連結設計：原始理解與業務實踐

這是一本指導中高級從業者高品質落地現代推薦系統，
圍繞著現代推薦系統核心技術展開深度解讀的專業工具書，又是一套完整的推薦系統高品質落地解決方案。
本書基於推薦演算法工程師實際工作場景規劃內容，融合了作者在阿裡巴巴、
58同城等多家大廠做推薦系統設計優化的經驗，是一本方法與實務兼具的好書。
本書不是針對零基礎從業者，而是以幫助初級演算法工程師向中高階進階為目標。
書中從底層剖析推薦系統在實際業務場景中可能出現的各種問題，直指問題的本質，並依照推薦系統工作流程逐一破解。
本書共包括11章：
第1章 主要介紹推薦系統在各個網絡業務場景中的落地情況，包括建構推薦系統可能面臨的問題，
以及電商、影片、電子書、廣告系統、資訊流、拉活促銷等相關推薦系統落地指導。
第2章 介紹現代推薦系統的整體架構，以幫助讀者從宏觀層面整體瞭解推薦系統。
第3章 對推薦系統所需的資料和特徵處理進行深度剖析，
包括資料的收集、非結構化資料的結構化清洗、連續特徵處理和離散特徵處理等重點內容。
第4章 將推薦系統的線上指標與離線指標，以及AB實驗的設計進行深度講解。
第5章和第6章，主要對機器學習和神經網絡的設計和調參進行詳細解讀。
這是本書的重點，也是許多推薦演算法工程師的痛點。
這部分包括XGBoost的重要參數調優、整合學習最DA化推薦效果利用、
DNN網絡深度和寬度的影響、激活函數的選擇、優化器選擇、損失函數、過/欠擬合等內容。
第7~9章 分別對召回層、精排層、粗排層進行詳細解讀，包括5種召回方案、4種精排建模方式、2種粗排設計方案，
以及模型可解釋性、近離線計算等重點內容
第10章 主要介紹精排模型的分析方法，重排模型（PRM、生成式重排模型）和混排（混排的原理和強化學習在混排的應用）的原理。
第11章 主要介紹冷啟動鏈路的設計，主要包括新用戶如何冷啟動、新物料如何冷啟動和冷啟動涉及的流量分配演算法。
這是本書的特色內容。