深度学习推荐系统实战_05_国庆策划_关于深度学习推荐系统我有这些资料想推荐给你
你好，我是王哲，明天啊就是国庆和中秋假期了，这里我提前祝你节日快乐。
专栏上线以来，通过跟同学们在留言区讨论，我发现同学们的基础差别很大。
有的同学已经是其他领域的资深工程师，希望建议这门课丰富一下知识体系。
有的同学确实是零基础的新手，可能对于机器学习的一些基本概念都不是特别清楚。
所以我特意准备了一些适合不同阶段学习的参考书目和一些基础的实践项目。
希望你能借国庆假期查漏补缺，为我们后面的学习打好基础。
虽然这些参考书适合的学习阶段不同，但他们有两个特点，一是这些书我都读过很多遍，虽们在我学习工作生涯的某个阶段都让我受益匪浅。
二是这些书都非常易读易懂，不是那种截取熬牙的，不适合人类阅读的基础书。
好，我们先来看看有哪些书吧。
如果你在学习零三节的时候有哪些困难。
我希明你对机器学习的一些基础概念还不太清楚，就希望你能继续巩固机器学习的基础知识。
这里我推荐三本书，你根据自己的偏好和知识基础，选择一本就好了。
第一本书是南京大学周志华老师的机器学习，这本书也叫西瓜书。
它的内容比较偏向传统，积极学习，深度学习的内容也有，但不是重点。
它的特点就是内容非常全面，详尽，语言也流畅易懂。
所以我把它推荐给机器学习，基础不太好的同学，希望能够帮你巩固学习。
第三本书是复旦大学邱西鹏老师的神经网络与深度学习。
这本书也叫蒲公英书，它更偏向介绍神经网络和深度学习。
对深度学习的介绍非常全面，详尽，但又不故作高深，是我们入门深度学习非常好的选择。
第三本书啊是诸葛约和呼噜机器学习团队的百面机器学习。
这本书是我在呼噜时跟同事们一同编写的，也称葫芦书。
它正在讲解一些机器学习领域关键的知识点。
如果你正在准备算法岗的知识型面试，它会是你极佳的选择。
这本书比较适合有一些机器学习基础，但还不够深入的同学来查漏补缺。
除此之外，如果你在学习推荐系统技术架构时，还有一些疑惑的话，我再给你推荐两本推荐系统领域的书。
你可以利用它们进一步来丰富推荐系统的知识。
在我刚工作的时候，向量的这本推荐系统实践让我受益匪浅。
他介绍了经典的协同过滤矩阵分解方法，还有推荐系统可以利用的数据以及基本的评测方法等等。
时至今日，其中经典的推荐系统知识仍然可以让我们受用。
如果你想了解经典的推荐系统、算法技术架构，可以尝试读一读它。
这里我还想给你推荐一本我的新书深度学习推荐系统，它是今年年初出版的。
我也看到很多同学在留言区提问，说老师咱们的专栏和这本书的区别在哪啊啊，这里呢我也做一个统一的回复，这本书当然跟咱们的专栏有千丝万缕的联系，不为他们共享了同样的知识框架。
不过，咱们的专栏重在实践，这本书注重统统知识，二者称互补的关系。
在学习这门课的同时，你也可以购买这本书，进一步拓展自己在深度学习推荐系统这个领域的知识面。
除了这些和深度学习推荐系统非常相关的书籍之外，我还想给你推荐两本课外书。
这两本书是我非常喜欢的计算机领域的闲书。
如果假期里有时间的话，我非常推荐你读一读。
首先可以帮助我们建立更全面的计算机思维和系统设计的理念。
他们如果你都读过，也欢迎在留言区和我分享你的看法。
首先是吴军老师的数学之美，这本书在我刚工作的时候给了我很多灵感。
书中的内容涉及了机器学习、人工智能、信息论、自然语言处理等重要的计算机科学子领域。
虽然涉及的知识面非常广，但是讲的却非常透，生动有趣的语言也让我完全没有阅读压力。
首以我把它推荐给想拓展知识面的同学，计算机经典书籍还有很多。
但最让我感到惊喜的是，这本程序员修炼之道。
我读这本书是两年前，因为已经有了很多大项目的开发和架构经验，所以读这本书的时候，很多地方我都会会心一笑，太有感触了。
书里面介绍了很多重构架构、系统设计程序员、哲学相关的经验知识。
因为推荐系统毫无疑问是一个复杂的大系统。
所以有些时候我们总要以系统的眼光去看待推荐系统的问题。
这本书设计的理念就至关重要了。
更关键的是啊，我非常喜欢它的副标题，通向务实的最高境界。
我认为这是返璞归真的程序员的最高境界，也是我们作为一名工程师应该遵循的思考方式。
上面就是我推荐的参考书目，接下来我们聊一聊练手的项目。
咱们这门课之后的实战环节，还会涉及很多推荐系统相关的工具，比如spark、 tenn、 RFLWREDISJEI、 server等等。
为了在这之后的学习中避免一些上手的困难，我建议你先熟悉一下spark TNRFLOWREDIS的三个工具。
我在文稿中列出了一些入门入些初步的平态。
如果你对这些工具完全没有概念，可以通过它们进行初步的了解。
首先是spark,它是业界最流行的分布式计算平台。
然后你还没有相关经验的话，我建议你按照我给出的三步来学习。
首先你可以通过文稿中的文章来了解一下大数据的生态。
然后可以通过spark的官方教程尝试写一个hello word程序。
因为咱们这门课大量使用了spark的机器学习库，spark ML lip.所以最后你还可以通过我给出的官方教程进行初步的了解。
首先是TNLF low.如果我们这门课要使用的训练深度学习模型的平台。
Carrots是一套tn l flow知识的API.因为它的易用性，我们主要利用carrots API来实现我们的推荐模型。
所以我们第一步可以先看一篇介绍TNNFLOW和carrots的基本概念的文章，对他们有一个初步的认识。
再通过TNNF low的carrot接口，写一个helallowood项目，做一个基本的上述实践。
最后，如果你还有时间，可以通过TNFFOW官方教程，进一步熟悉TNNFLOWW其他功能。
最后我们来看看REDIS REDI是我们这门课要频繁使用的内存数据库，用来存储模型所需的线上特征。
你可以先在官网熟悉一下REDIS的基本介绍，然后下载安装它。
最后，可以尝试使用REDI内置的客户端REDISS ly来执行几条基本的REDIS命令，相信熟悉了深度学习的基础知识，基基工具之之后，学习习起来，后续课课程会更加加心应应手。
对完全零基础础同学学可以这样说，如果你能通通过我列出的书，单项项目列表、打基础础学习，后面课课程肯定完全有问题。
题。
后后我想想问问你，你再进行推荐广告，搜索这些领域的学习的时候，还阅读过哪些非常不错的技术书。
欢迎也在留言区分享出来。
我们可以一起交读读后感，可可以以进交交学学手，最后后次祝你假习快乐。
我们国庆之后再会。