推荐系统入门

推荐系统入门

给入门的同学们参考一下。很早以前写的列表了。

我写的科普文章：

人工智能常用概念

相关的教程有：

  1. 台湾李宏毅的机器学习，以了解概念为主，尽快完成该项学习。

  2. 何向南主页上的tutorial（只看PPT）： http://staff.ustc.edu.cn/~hexn/，比较重要的是其中的recsys with multimedia content, graph neural network for recsys, conversational recsys, llm for recsys几个PPT。看完之后领域了解大半。

需要达成以下目标。注意，这个过程一定要快速完成，细节可以后续遇到的时候再补：

  1. 了解机器学习
  • 基本概念：训练、测试、目标函数、过拟合、欠拟合、调参，等
  1. 了解神经网络
  • 基本概念：全连接层、卷积层、正向传播、反向传播
  • 经典技术：Convolutional Kernel, Dropout, Residual Block (ResNet), Transformer（Attention Mechanism），Adversarial Learning, Generative Adversarial Network (GAN).
  1. 了解编码环境
  • 虚拟环境：Anaconda
  • 开发框架：Pytorch
  • 常用工具：Jupyter, Github
  1. 了解推荐系统基本概念和重要方法： CF、FM、MF、NCF、ConvNCF、GCF、lightgcn、CRS，LLM for recsys
  2. 了解相关顶会： WWW、SIGIR、MM、WSDM、IJCAI、AAAI

这里需要特别说一下，什么叫了解了相关概念：能够自己给出明确的定义，提到相关的特性的时候能够想到这条概念。例如我问学生：什么是过拟合，下面有几条答案，哪条好自己评价：

  1. 过拟合是模型过度的考虑了训练集的分布，而在测试集上的效果不好。
  2. 过拟合是一个训练过程中的概念。
  3. 过拟合是训练loss在降，但测试指标也在降的情况。
  4. 过拟合是缺正则化约束。