推荐系统工程师技能树

Posted 2021-05-01 智能推荐系统

    经过多年的发展，推荐系统已经成为互联网产品的标配。很多产品甚至在第一版就被投资人或者创始人要求必须“个性化”，可见，推荐系统已经飞入寻常百姓家。而作为推荐系统的缔造者，推荐系统工程师也越来越受欢迎，本文总结了推荐系统工程师常用的技能树，供大家参考。

    另文末附朋友公司正在招聘的推荐算法工程师岗位职责和任职要求，供参考。

一、掌握核心原理的技能

1、数学：微积分，统计学，线性代数；

2、周边学科：信息论基础；

3、推荐算法： CF，LR，SVM，FM，FTRL，GBDT，RF，SVD，RBM，RNN，LSTM，RL；

4、数据挖掘：分类，聚类，回归，降维，特征选择，模型评价。

二、实现系统检验想法的技能

1、操作系统： Linux；

2、编程语言： Python/R， Java/C++/C，sql，shell；

3、RPC框架： thrift， Dubbo，gRPC；

4、web服务： tornado, django, flask；

5、数据存储： redis, hbase, cassandra, mongodb, mysql, hdfs，hive, kafka, elasticsearch；

6、机器学习/深度学习： Spark MLib，GraphLab/GraphCHI，Angel，MXNet，TensorFlow，Caffe, Xgboost，VW，libxxx；

7、文本处理： Word2vec，Fasttext，Gensim，NLTK；

8、矩阵分解： Spark ALS，GraphCHI，implicit，qmf，libfm；

9、相似计算： kgraph, annoy，nmslib, GraphCHI, columnSimilarities(spark.RowMatrix)；

10、实时计算： Spark Streaming, Storm，Samza。

三、为效果负责的技能

1、熟悉常见离线效果指标：准确率，召回率，AUC，基尼系数；

2、能够定义产品效果指标：点击率，留存率，转换率，观看完整率；

3、会做对比试验并分析实验结果：指标数据可视化；

4、知道常见推荐产品的区别： Feed流推荐，相关推荐，TopN推荐，个性化推送；

四、其他软技能

1、英文阅读：读顶级会议的论文、一流公司和行业前辈的经典论文和技术博客，在Quora和Stack Overflow上和人交流探讨；

2、代码阅读：能阅读开源代码，从中学习优秀项目对经典算法的实现；

3、沟通表达：能够和其他岗位的人员沟通交流，讲明白所负责模块的原理和方法，能听懂非技术人员的要求和思维，能分别真需求和伪需求并且能达成一致。

附：某公司在招推荐算法工程师岗位职责及任职要求。
岗位职责：
    1、负责数据分析及建模，提供高质量的匹配推荐服务；
    2、协助及独立完成各种机器学习（包括深度学习）算法；
    3、负责构建公司数据分析与数据挖掘业务分析体系,整体架构设计、规划,充分发挥数据的价值,提高数据质量,促进公司业务更好的发展；
    4、通过建立业务的数据分析模型来指导业务的发展,对数据库信息进行深度挖掘和有效利用,充分实现数据的商业价值,构建公司核心竞争力。
任职要求：
    1、全日制本科及以上学历、计算机/统计学/经济学等相关专业；
    2、熟悉Python开发、掌握常用数据结构及算法；
    3、有至少1年推荐系统实际项目经验，掌握基于内容推荐、协同过滤（CF），掌握常用机器学习算法的应用，如LR、决策树、GDBT、SVM等，掌握聚类、降维相关的主要算法的应用；
    4、具备深厚数据建模(机器学习,深度学习,推荐系统)和分析理论知识和经验；
    5、有较强的分析问题和解决问题的能力，掌握抽取关键特征的方法；
    6、掌握推荐系统评估方法，能对系统进行持续评估、改进；
    7、具备较强的问题定位、分解、解决能力及计划和组织能力。

「 更多干货，更多收获 」

智能推荐算法之深度学习基础知识

从输入URL到页面展示到底发生了什么

从零开始搭建创业公司后台技术栈

智能推荐 个性化推荐技术与产品社区

长按并识别关注