查看原文
其他

《Datawhale推荐系统教程》来了!

罗如意 Datawhale 2024-03-22
 Datawhale开源 
贡献者:Datawhale推荐系统团队

开源初衷

FunRec开源项目从第一次提交到现在已经快两年了,为了让帮助更多同学入门推荐算法,我们开源了《FunRec-推荐系统》教程,并在组队学习中,帮助学习者成长。

该项目定位的人群、目标以及项目的大致内容:

  1. 定位人群:该开源项目面向推荐算法初学者(想从事推荐算法岗位的在校生、推荐算法岗的校招新人)
  2. 项目目标:致力于让想从事推荐算法岗位的校招生,熟悉经典的推荐算法、推荐流程并通过天池竞赛、组队学习、社区讨论等学习方式提高对推荐算法的应用能力。对于推荐算法岗的校招新人,可以了解推荐算法各个子领域的经典算法,方便未来在实际的工作中熟练应用。
  3. 大致内容
    1. 推荐系统的概述:对于推荐系统整体的介绍
    2. 推荐系统算法基础:包括各种经典召回(协同过滤、双塔召回、图召回、多兴趣召回等)、排序(特征交叉系列、wide&deep系列、序列模型、多任务模型)等内容
    3. 推荐系统实践:包括竞赛实践(阿里天池新闻推荐竞赛)、推荐系统实战项目(具有前后端的推荐系统)
    4. 推荐系统算法面经:汇总大厂推荐算法岗的相关面经,方便实习、秋招同学准备找工作

开源地址https://github.com/datawhalechina/fun-rec

在线文档https://datawhalechina.github.io/fun-rec/#/

开源价值

邀请了项目的一些贡献者们分享他们的感受。

20年初自己开始接触推荐系统相关的内容,后面慢慢的随着fun-rec的发展梳理推荐算法相关的知识框架,这个过程中收获的不仅仅是知识本身,还包括如何与大家合作,共同制定目标、项目规划,探索项目的其他可能性等。FunRec项目的开源是一个过程,不是一个结果,对于内容的贡献者、组队学习的组织者以及学习者在这个过程中是互相学习和成长的,希望这个项目可以给更多入门推荐的同学一些帮助,也欢迎大家可以积极参与到项目的建设中来。

——罗如意

推荐系统教程集理论基础,深度前沿和系统实践为一体,希望能够给大家带来简单易懂的学习体验,带给大家不一样的推荐乐趣。

——何世福

推荐系统是一门偏实践的艺术,作为在校学生,我们很难系统的学习推荐知识,也缺少实践经验,为了弥补这两大短板,这次和伙伴们一起组织了funrec项目,把我们在校期间学习的推荐知识系统梳理,并把这两年学习到的经验进行沉淀,希望能帮助到更多的伙伴,也希望更多的伙伴一起来参与,一起搞事情呀!

——吴忠强

funrec项目的研发,既是对我个人关于推荐系统理论知识学习和实践经验积累的一次总结,也是认识更多热爱开源、热爱分享的小伙伴的过程,收获满满。目前市面上也缺乏较为系统的,代码和理论结合的推荐模型教程,希望funrec能够给更多的初学者带来帮助^_^

——赖敏材

参与funrec项目,对我个人来说是一次系统整理和沉淀推荐系统相关知识的机会,同时能够与更多开源的小伙伴更多的学习交流。作为在校生,funrec项目是一个即可以学习理论知识,同时还能够通过代码尝试用于实践,十分适合推荐系统的初学者。作为开源项目,希望大家可以学习,分享,交流,同时也能够积极参与,互相成长。

——汪志鸿

参与到FunRec的开发是一次珍贵的经历,一起经历从零到一的系统开发,一起针对问题提出解决方案,一起在自己力所能及的范围里做到最好。在几个月的时间里得到了不仅是技术上的成长,更是感受到了被认可,我很感激在这个项目里认识了许多热爱开源的伙伴,很幸运结识这些来自各地的朋友,他们鼓励我、帮助我,我想这可能就是开源的意义。

——王辰玥

知识的分享,让自己也有了学习的动力。愿大家在接受知识的分享后,也能积极参与到开源项目中,提升自己的学习价值。

——唐鑫

在刚学习推荐系统的时候,我是看着FunRec的文档,打着FunRec的比赛一步步入门的,毫无疑问它给了我极大帮助,大大降低了我学习门槛。现如今,非常荣幸加入FunRec一起参与开源贡献,我希望把这种开源精神的传承带给更多的人,帮助更多学习者,和大家一起成长。

——王宇宸

贡献历史

出生(第一次Github提交):在2020年8月9日完成了第一次的项目内容提交,距离今天已经快两年了!

开始说话(第一次组队学习):在2020年10月15日,Datawhale发布了十月组队学习,推荐系统项目第一次面向学习者开展学习!

开始走路(第一次与阿里天池合作):2020年11月19日,在阿里天池发布了新闻推荐竞赛和学习资料!

开始学习搭积木(新闻推荐系统实战项目开展组队学习):2021年12月8日发布的组队学习中,贡献者们齐心协力,做了一个具有前后端,以及整个推荐流程的系统。

开始用积木搭房子(fun-rec开源项目整体框架已经完成):至今,fun-rec项目经过多次优化和迭代,已经有了一个比较像样的架子了,希望可以帮助到更多有需要的同学,也希望有更多对开源项目感兴趣的同学参与到其中来一起优化这个项目。

教程内容

未来想法

其实现在fun-rec仍然处于一个比较初级的阶段,所以我们也会在自己的成长过程中,不断地去优化当前项目,让其面向的人群可以更加的广泛,进而帮助到更多的人。

对于未来发展主要有以下几点:

  1. 优化、迭代当前现有内容(通过组队学习、fun-rec社区成员自发的贡献内容、其他)
  2. 不断增加新的内容,例如冷启动、重排等相关技术(fun-rec项目成员的成长,带动fun-rec的发展)
  3. 积极组织fun-rec社区成员互相分享,一方面为fun-rec沉淀内容,另一方面营造一个推荐算法相关的学习圈子
  4. 与Datawhale的另一开源项目Torch-RecHub一起把推荐系统技术相关的生态做起来,对Torch-Rechub感兴趣的可以参考:
    1. Rechub Wiki
       https://www.wolai.com/rechub/2qjdg3DPy1179e1vpcHZQC
    2. Rechub Github
      https://github.com/datawhalechina/torch-rechub

希望那些热于分享的大佬们,可以给fun-rec的发展提供一些建设性的意见,当然如果可以直接参与到项目的优化中来,我们也是非常期待的!

致谢

fun-rec能走到今天,不是某一个人的付出和努力就可以实现的,是Datawhale社区内很多成员不断提供的帮助和支持、是参与到fun-rec项目中来的贡献者们辛苦的付出、是每一个fun-rec学习者们对项目的认可和建议,一起换来的结果。未来也希望我们可以继续加油,让fun-rec越做越大,越做越强!

“为开源学习,点赞三连
继续滑动看下一个
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存