推荐系统实战入门2 [推荐高级班预习课之一]

这门课叫「推荐系统实战入门2」，定位是高级班的预习课之一。名字里带个「2」，说明它不是从零讲协同过滤的科普课——如果你连 UserCF、ItemCF 的区别都说不清，先补入门1再回来。这篇导读不列文件清单，只说三件事：它想让你在进高级班之前补上哪些缺口、配套该怎么练、学完你应该能答上哪些问题。

先确认你缺的是哪一块

预习课的价值在于「对齐」。高级班默认你已经具备某些前置能力，如果缺了，上课就会一直卡在名词上。这门课集中补的是三块：

• 工业级推荐系统的全貌。能画出召回、粗排、精排、重排这条链路，知道每一层解决什么问题、层与层之间怎么衔接。很多初学者只会讲「用矩阵分解做推荐」，一问到为什么需要召回和排序分开、为什么不用一个模型端到端搞定，就答不上来。
• 主流算法在真实场景里的位置。哪些算法是用在召回的（如双塔、i2i），哪些是用在排序的（如 LR、GBDT+LR、DeepFM 这类），各自吃什么样的特征、有什么工程代价。不是背模型结构，而是知道什么时候该用它。
• Online Learning 在推荐里的落地方式。模型多久更新一次、为什么离线训练不够、流式更新要怎么和特征、样本回传配合。这是从「跑通一个 demo」到「扛住线上流量」之间最容易被忽略的一段。

如果你的短板正好在这三处，这门预习课就是给你省时间的；如果你已经在大厂做过多路召回和实时训练，可以跳过，直接上高级班。

这门课和「入门1」的区别在哪

入门1通常停留在算法层面：给你一份用户行为数据，跑出一个能出结果的推荐。而这一辑往工程和业务侧挪了一步——它会带你去看 BAT 这类公司实际的推荐系统长什么样，排序架构为什么是分层的，特征工程在离线、近线、在线分别承担什么角色。区别可以用一句话概括：入门1教你怎么「算出一个分数」，这门课教你怎么让这个分数在真实流量下持续可用。

所以听课时建议带着「如果是我来做，这一层的数据从哪来、延迟多少、挂了怎么办」的问题去听，比单纯记模型名字有用得多。

配套怎么练，别只看不写

视频讲解是理解概念的入口，但预习课如果只看不写，进高级班你还是会卡在动手环节。给你三个能自己落地的练习方向：

• 画链路图。不看资料，凭记忆把召回—排序—重排的数据流和特征流画一遍，标出每一步的输入输出和时延量级，再回头对照，看漏在哪。
• 复现一条简单的召回。用公开数据集搭一个 i2i 或双塔召回，重点不是精度，而是搞清楚候选怎么生成、怎么做离线评估。
• 给排序模型加一个实时特征。哪怕只是把用户最近一次点击拼进特征里，也能让你体会到在线特征和离线训练不一致时会发生什么。

这三件事做下来，你在高级班里讨论架构和线上问题时，手里是有东西可讲的，而不是只听得懂结论。

学完你应该能回答这几个问题

判断自己有没有真的消化，就看能不能不查资料答上：为什么推荐系统需要分层排序，一层端到端行不行？召回阶段为什么更看重覆盖率而不是精度？Online Learning 相比每天重训一次，收益到底体现在哪类场景？离线指标的提升为什么不一定能反映到线上？如果一个召回通道的效果突然变差，你会从哪几个方向排查？

这些问题的答案没有唯一版本，但你需要有一套自己的说法。这门预习课做的事，就是让你进高级班之前，先把这套说法的框架搭起来——缺的部分补上，别在课堂上假装都会。