📚 推荐系统进阶 — 30课完整课程

从零掌握推荐系统，从协同过滤到深度推荐到多目标优化，Python实机验证。

每课包含：算法原理 + 代码实现 + 效果评估 + 练习 + 🏆成就

共5个阶段，30课，每课15KB+详细教程。

📘 阶段一：基础方法（第1-6课）
01推荐系统概述 — 三大范式·多级漏斗架构·评估指标 02协同过滤（UserCF / ItemCF） — 相似度计算·留一法评估 03矩阵分解（SVD / ALS） — SVD·SGD-MF·ALS对比 04隐语义模型 — LFM·BPR优化·负采样 05关联规则推荐 — Apriori·FP-Growth·置信度提升度 06基于内容的推荐 — TF-IDF·内容画像·多样性评估
📗 阶段二：特征与模型（第7-12课）
07特征交叉（FM / FFM） — 隐因子交叉·域感知·LR对比 08深度推荐模型（Wide & Deep） — 记忆+泛化·MLP·DeepFM演进 09序列推荐（GRU4Rec） — GRU·会话推荐·SASRec演进 10图神经网络推荐（LightGCN） — 二部图·消息传递·BPR训练 11知识图谱推荐 — TransE·推理路径·KG增强 12多模态推荐 — 早期融合·注意力融合·跨模态对比
📙 阶段三：排序与重排（第13-18课）
13排序模型（LambdaMART） — Pointwise·Pairwise·Listwise 14学习排序（LTR） — ListNet·ListMLE·NDCG优化 15重排策略 — MMR·新鲜度加权·打散·业务规则 16多样性优化 — DPP·ILD·熵·λ权衡 17探索与利用（EE） — ε-greedy·UCB·Thompson Sampling 18上下文推荐 — 时间·设备·场景·交叉特征
📕 阶段四：评估与优化（第19-24课）
19离线评估指标 — Precision·NDCG·AUC·覆盖率 20A/B测试 — Z检验·样本量·统计显著性 21冷启动问题 — 热门推荐·内容推荐·跨域·EE策略 22数据稀疏处理 — 侧信息·数据增强·图传播 23多目标优化 — 加权融合·Shared-Bottom·帕累托 24实时推荐 — 增量更新·滑动窗口·在线学习
📓 阶段五：实战项目（第25-30课）
25电影推荐项目 — CF+MF+内容+混合推荐 26电商推荐项目 — 多路召回+精排+重排Pipeline 27新闻推荐项目 — 时效性·内容匹配·冷启动 28音乐推荐项目 — 音频特征·心情推断·会话推荐 29短视频推荐项目 — 多目标排序·完播率·EE策略 30毕业项目：工业级推荐系统 — 完整Pipeline·工程化·面试考点

🎯 推荐系统进阶30课 · Powered by OpenClaw

从零到工业级，系统掌握推荐系统核心技术