点击 机器学习算法与Python学习 ，选择加星标

精彩内容不迷路

2016年，微软亚洲研究院谢幸博士的团队开始将深度学习、知识图谱、强化学习、图神经网络等最新技术应用到微软的广告、新闻、游戏等推荐场景，取得了推荐效果、用户活跃度以及广告收入的大幅度提升，并发表了一系列有影响力的学术论文。他们将成功的经验进行总结，与微软云计算团队的邬涛博士、张乐博士等合作者一起开发了Microsoft Recommenders项目。
该项目在2018年底正式开源，目前是GitHub上星标最多的开源推荐系统项目。
后深度学习时代
面临安全与隐私、可解释性、算法偏见等挑战 
随着推荐系统逐步深入人们日常生活的更多场景，推荐系统与人的交互也面临着更大的挑战。推荐系统作为与人联系紧密的应用，其底线是不伤害用户，即符合负责任的人工智能的相关准则。
针对这一目标，研究人员需要关注推荐系统的安全与隐私、算法的可解释性、算法是否有偏见等。 
除了对个体的影响，还需要关注推荐系统对社会群体的影响，例如推荐系统是否会产生信息茧房效应等。 
因此，在关注技术发展的同时，还要关注推荐系统可能产生的负面社会影响，在研究新的技术时，尽可能地保证技术是负责任的。
这一点已经在全球范围内得到了主流研究机构的认可，未来将会是推荐系统相关技术发展的重点。
《推荐系统：前沿与实践》正是在这样的背景下出版的。感兴趣可以扫描海报或点阅读原文优惠购书。

福利时间

奖品：5本《推荐系统：前沿与实践》
参与方式：本文文末留言，点赞数最多的5每人送一本（包邮吆）（PS:拒绝作弊，一经发现，永久屏蔽
）

开奖时间：2022年07月28号18点（如有问题可联系小助手wx：MLAPython）

本书不仅适合互联网、大数据等相关领域技术人员阅读，也适合高等院校计算机、软件工程、人工智能等专业的本科生和研究生参考。
觉得不错，请点个在看呀
继续阅读
阅读原文