推荐算法工程师需要掌握哪些核心技能点？（一）

有幸在去年4月份，被分配到鹅厂推荐组，接触了国内顶尖的算法团队，截止现在自己做推荐也有半年时间了，如果说以前自己的成长速度是线性成长，那么在这半年时间，自己的成长可以说是指数级成长。

鉴于目前工作上越来越驾轻就熟，逐渐从小白状态脱离出来，回答一下这个问题，算是给自己这半年算法工作的一个记录。

先给大家奉上，一名合格的推荐算法工程师所需要掌握的各项知识点和技能图：

如题主所说，推荐系统涉及到的知识点“大而杂”，是一项复杂的工程，那么一条完整的推荐系统学习进阶路径，需要包含哪些方面呢，我认为至少需要包含以下6大方面：

**1、数学基础：**微积分、线性代数和概率论

**2、机器学习：**需要掌握一些基础的术语和概念，以及常见的模型。

**3、深度学习：**TensorFlow和PyTorch这两大框架至少掌握一个，然后深度学习基础知识，比如训练算法、激活函数、正则化等内容也是必须掌握的。

**4、数据挖掘与分析：**熟练掌握相关工具包，包括numpy、pandas、matplotlib、Scikit-Learn等等。

**5、大数据：**掌握Hadoop、Spark两大生态，不过这部分不用学的太深，建议大数据这块可以先掌握到会用的层次，当做工具即可。

**6、推荐系统理论和实战：**主要包括推荐系统五大环节——召回、粗排、精排、重排和冷启动，其中每一个环节都涉及大量的知识点，此外除了掌握理论外，还需要进行必要的项目实战。

**其中，机器学习、深度学习、推荐算法理论和实战这三块是核心知识，也是面试中的重中之重。**而像数学、数据挖掘和分析、大数据这些算是基础知识，面试中考察相对比较少，后续等你参加工作后，再反过头来学习也是完全可以的。

以上6大模块，每一个模块都涉及大量的知识点需要学习，我本人推荐大家通过看一些经典的书籍来啃透推荐系统，因为，看书是效率最高的学习方式。

至于每个模块所涉及到的一些经典必读书籍，我已经帮大家总结好了，点击下方链接，就能领取。

我这里分享的书单，包含数学、机器学习，深度学习、数据分析、大数据和推荐算法等硬核内容，对我当年自学推荐系统有很大帮助，这些资料都是经过我本人验证过的，个人认为非常适合新手学习的学习资料，在这里免费分享给大家。

（后续我还会持续不断更新推荐系统的优质干货资料，大家方便的话可以点个赞鼓励下~

**PS：**网上关于推荐系统的资料特别多，包括很多已经出版的书籍，质量也参差不齐，大家学习时候一定要注意辨别，以免浪费宝贵学习时间和精力投入。

接下来详细讲一下每个模块所涉及到的内容。

一、数学

主要是微积分、线性代数、概率论这三门课。

1、微积分

通常情况下，机器学习需要得到一个函数（模型，或者说假设）来预测未来的数据。既然是函数，那自然就离不开微积分了。微积分为我们研究函数的性质提供了理论依据，同时它也是学习概率论、最优化方法等后续课程的基础，是整个高等数学的基石。

重点掌握函数的求导法则（特别是链式法则），以及泰勒公式。这对后续的梯度下降法，牛顿法，拟牛顿法等优化算法的推导至关重要！

2、线性代数

机器学习算法的输入、输出、中间结果通常为向量、矩阵、张量。这些都属于线性代数里的知识。

重点掌握向量、矩阵含义及其数学运算公式。

3、概率论

对于机器学习来说，概率论是一种重要的工具。如果将机器学习算法的输入、输出看作随机变量/向量，则可以用概率论的观点对问题进行建模。使用概率论的一个好处是可以对不确定性进行建模，这对于某些问题是非常有必要的。另外，它还可以挖掘变量之间的概率依赖关系，实现因果推理。

重点掌握常见概率分布、概率公式。

总结

数学好是入门机器学习的优势，但并非关键。因为数学知识量太庞大了，花太多时间在其上，容易打击学习积极性。另外做算法一般分两种：理论模型和实际应用，前者的行业title是算法研究员，主要发paper、提出新的模型或者优化方法，所以对于数学能力要求很高。后者的行业title是算法工程师，致力于把模型应用于数据上，攫取商业价值，对于数学能力要求并不高。往往大部分人都属于后者，我个人也是后者。熟悉不同算法的应用场景、掌握模型落地工程技术，才是我们更应该投入精力的地方。

推荐资料：

1. 《DeepLearning》，又名「花书」，被誉为深度学习领域圣经。它前面有必备数学知识的介绍，讲得挺不错的。

2. B站搜索微积分、线性代数、概率论关键词，会有很多教学视频，随便选取时长较短的看看即可。

二、机器学习

人工智能、机器学习、深度学习关系如下：

我们一般说机器学习都是指除了深度学习以外的机器学习，也称为传统机器学习。虽然近几年深度学习越来越火，但是很多领域还是在使用机器学习，并且学好机器学习，对于AI算法基础和知识广度都有很大提高。这里可以先给大家罗列一些必备的基础知识:

首先要知道一些基础的术语和概念，比如有监督与无监督，训练集，验证集与测试集，经验误差与泛化误差，方差与偏差，过拟合与欠拟合等，再比如比较重要的一些模型性能度量方法(混淆矩阵，精确率，召回率，auc，roc等)， 再比如经典的评估方法(留出，交叉验证，自助等)

其次是经典的模型。机器学习模型非常多，全部掌握不现实，我给大家罗列几个经典，也是面试中常考的模型：逻辑回归、SVM、树模型、集成学习、朴素贝叶斯、K-Means聚类、PCA。（EM、最大熵、概率图这些考的少，能了解是加分项）。

在学习过程中，各个模型是相互联系的，不要孤立去分析单个模型。比如：逻辑回归，我认为是最基础、也最重要的模型：

1. 逻辑回归=线性回归+sigmoid激活函数，从而将回归问题转换为分类问题

2. 逻辑回归+矩阵分解，构成了推荐算法中常用的FM模型

3. 逻辑回归+softmax，从而将二分类问题转化为多分类问题

4. 逻辑回归还可以看做单层神经网络，相当于最简单的深度学习模型

通过逻辑回归由点及面，就能演化出如此多模型。

再比如树模型。我们把以决策树为基础的一系列模型统称为树模型，也是AI比赛中最常用的模型。

1. 决策树经历了三次改进，ID3、C4.5、CART，主要区别在于一个根据信息增益划分特征、一个根据信息增益率、一个根据基尼指数。

2. 随机森林=决策树+Bagging集成学习

3. GBDT=决策树+AdaBoost集成学习

4. XGB是陈天奇2014年提出，相当于GBDT的工程改进版，在实用性和准确度上有很大提升。比如：使用泰勒二阶展开近似损失函数，支持处理缺失值、在特性粒度上并行计算等等特性。

5. LGB是微软2016年提出，对XGB进行了改进，使用单边梯度采样算法减少不必要的样本；在寻找最优分割点时采用直方图算法使计算代价更小；支持类别特征…

6. CGB是Yandex2017年提出，对类别特征进行了更完美的支持。

所以学习模型，要由点及面，层层递进。这样不仅方便理解，也有利于归纳总结，同时还能锻炼搭建知识体系的能力。

推荐资料：

1. 如果是一个机器学习小白，那么推荐两个入门视频， 吴恩达或者李宏毅的ML视频（B站上都有），先快速过一遍，了解机器学习是什么。

2. 如果有了一定的机器学习基础，就需要去进阶。建议是看书与高质量文章。推荐两本书：周志华的《机器学习》、李航的《统计学习方法》这两本书，可以好好先研究一本，注意这里是研究，一本通了，另一本也就差不多。如果发现看一遍很难看懂，这是正常现象，随着后面实践经历慢慢变多，再看一遍，会有很多新的感悟。

注意：学习过程中一定要跟着实战，否则知识很难真正理解。

三、深度学习

前面也提到了，深度学习本属于机器学习，但是鉴于其发展迅速、应用越来越广泛，所以单独拿出来说。深度学习每年新模型、新技术层出不穷，一味追求新技术不可取，要先打好基础。比如：对于一个简单的全连接神经网络，包含训练算法（正向传播、反向传播），激活函数（sigmoid、ReLU、Maxout、softmax等），正则化（L1和L2、Dropout、提前早停等），优化算法（随机梯度下降、Momentum、Adagrad、Adam等）

掌握了基础后，再根据自身领域学习相关的模型。大部分人找工作属于这三个领域：

1. 计算机视觉（CV）：卷积神经网络（CNN）及其改进。

2. 自然语言处理（NLP）：循环神经网络（RNN）及其改进，Transformer、Bert等。

3. 推荐算法：Embeding、Wide & Deep及其改进。

推荐资料：

1. 李沐《动手学深度学习》https://zh-v2.d2l.ai/

2. 邱锡鹏《神经网络与深度学习》https://nndl.github.io/

3. 吴恩达《深度学习》https://www.bilibili.com/video/BV1FT4y1E74V

4. 《DeepLearning》，又名「花书」，被誉为深度学习领域圣经。

5. TensorFlow、pytorch官网是最好的参考资料。如果英语不好，那么可以看看下面的资料：

6. Pytorch学习笔记：https://blog.csdn.net/wuzhongqiang/category_10024538.html

7. 《30天吃掉那只TensorFlow2》：https://github.com/lyhue1991/eat_tensorflow2_in_30_days

8. 《20天吃掉那只Pytorch》：https://github.com/lyhue1991/eat_pytorch_in_20_days

9. PyTorch深度学习快速入门教程：https://www.bilibili.com/video/BV1hE411t7RN

四、数据挖掘与分析

熟练使用相关工具包：numpy、pandas、matplotlib（seabron是matplotlib的简化版）、Scikit-Learn。完成数据的可视化、分析以及特征工程。工具包的学习建议边用边学，可以先看一些中文教程整体了解一下工具包的使用。在具体使用的时候，如果忘记了可以去对应工具包的官网查看详细的文档。

除了熟悉数据分析工具以外，其实更需要的是数据分析的方法，我觉得最好的学习方式就是看开源竞赛的方案，因为在开源方案中，作者会写很多他们分析问题的思路，以及对可视化结果给出的他们认为的正确观点。

推荐资料：（加我：xtyifan1019，领取以下参考资料）

英文教程首推官网，中文教程推荐Datawhale的开源项目

1. numpy中文教程：https://github.com/datawhalechina/powerful-numpy

2. pandas中文教程（这份文档可能比官方文档还适合学习）：https://github.com/datawhalechina/joyful-pandas

3. matplotlib中文教程：https://github.com/datawhalechina/fantastic-matplotlib

4. 《Hands-on-Machine-Learning-with-Scikit-Learn》用sklearn工具实现各种机器学习模型