写在ResysChina公众号一万订阅用户之际

2016 年 11 月 3 日 ResysChina clickstone


是的,你没看错,ResysChina微信公众号确实刚刚才有了自己的第一万个订阅用户。要说现在新开的公众号,如果没有大号提携,或者不能在微信体系之外导入用户的话,相当长时间内增长都会非常困难,尤其对于ResysChina这样的小众内容创作者则更是如此。公众平台目前这样的设定,如若不是自己真的喜欢,还真是坚持不下去。


2009年8月,我和项亮一起发起了ResysChina,一个面向推荐系统领域的专业社区。建立初衷,是想为业内关注推荐系统领域的朋友们提供一个交流讨论的社区。我们开过邮件组,架过博客,也举办过线下活动。业内朋友给予了ResysChina很多的鼓励与支持,ResysChina也为推动个性化推荐技术在国内的普及做出了一些绵薄之力。有些认识我的朋友会知道,2013年对我个人是非常特别的一年,无论从个人生活还是工作上,都翻到了新的一页,ResysChina一直以来都是纯粹兴趣驱动,在生活与现实的压力之下,也不得不暂停了。我本以为它再也不会回来了。2016年,我把它捡了回来,并试着努力坚持下去。


下面是我个人推荐阅读的一些ResysChina原创文章,欢迎大家阅读、分享:

  1. Amazon与数据导向

  2. 关于 Facebook NewsFeed,看这一篇就够了!

  3. AlphaGo与深度学习

  4. 深度学习与推荐系统

  5. Amazon开源面向推荐系统的深度学习框架DSSTNE [1][2]

  6. Netflix推荐系统的最新解读:算法、商业价值与创新 [1][2]

  7. 机器学习系统丛林迷路指南

  8. 做爱做的事情

  9. 推荐也是一件讲颜值的事情

  10. 再谈「搜索已死,推荐上位」

  11. 你好,bot!

  12. 专治选择困难症——bandit算法

  13. 关于LDA, pLSA, SVD, Word2Vec的一些看法

  14. 谷歌、Facebook、亚马逊、微软、NVIDIA及BAT在深度学习方面的进展

  15. 到底要不要创业?

  16. Amazon的推荐系统到底行不行?

  17. 为什么说初创公司过度关注技术就是浪费时间

  18. 巨头们都很重视的聊天机器人,你不进来看看吗?

  19. Quora是如何做推荐的?

  20. 推荐系统的苟且和远方

  21. 基于Deep Learning的中文分词尝试

  22. 当我们谈论 Bot 的时候,我们在谈论什么

  23. 用贝索斯的「两类决策法」对待职业选择

  24. 搜索、推荐和广告架构能统一吗?

  25. 对话交互时代的各种Bot:可控性与智能性的权衡


另外还有几个系列,回复相应【关键字】即可查看:

  • 【resys】:看大厂如何做推荐的系列文章,公众平台上独一份,干货必读。

  • 【feed】:按照大神KK的说法,NewsFeed代表一种互联网的必然,这是关于NewsFeed的系列文章,Facebook、Pinterest、Quora等都有讲到。

  • 【bot】:Chatbot无疑是今年国内外互联网圈和投资领域的最热点之一,这里有一些一线玩儿家的文章分享,认不认同这个方向,都值得读一读。

  • 【amazon】:Greg Linden的《Early Amazon》系列文章,这种从员工的角度,讲述他们自己跟随公司一起成长的故事,一个一个真实的、美妙的片断,非常非常吸引人。


感谢项亮,感谢三位特约作者:邢开江、张相於和张俊,王守崑老师也分享了一篇。提笔不易,尤其是大家每个人各自都还都挺忙的情况下,持续不断地为大家带来了新鲜的分享。我也想借此鼓励欢迎给ResysChina投稿,多分享多交流,这个领域的从业者都会从中受益,而且最重要的,是你自己一定会有意想不到的收获。


还要感谢梁斌博士(公众号:pennyjob)、InfoQ霍泰稳老板(公众号:zanpark)、以及陈利人老师(公众号:daiziguizhongren),在ResysChina刚开始写的时候,就通过自己的公众号推荐了ResysChina。另外还有领英中国、知乎、虎嗅和头条号的不吝推荐,也一并感谢。


最需要感谢的是各位给予过ResysChina「赞赏」的朋友们,其中大多数人我在现实中都不认识,感谢大家的不吝赞赏,这样的认可会给予作者非常正能量的愉悦感,是对作者持续输出优质内容最最直接的鼓励。


以下是ResysChina经常出现的地方:

  • 微信公众号:纯原创,内容基本上都会首发在这里。

  • 知乎专栏:精选的优质内容,以及特约作者的供稿。

  • 新浪微博:分享最新鲜最优质的相关资讯。

  • 头条号:感受一下算法分发的强大力量。

  • Linkedin:我的个人账号,主要会分享一些和创业相关的内容。


搜索【ResysChina】即可添加关注。如果你觉得ResysChina公众号的内容对你有帮助,把它转发到朋友圈或者推荐给身边的朋友,是对我们最大的支持。感谢大家!


最后,送一个小福利:在文后留言,并被选出的,按点赞数排名前2位的,各送博文视点图书《深度学习:21天实战Caffe》一本,感谢 @永恒的侠少 老师赠书。

登录查看更多
0

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【综述】金融领域中的深度学习,附52页论文下载
专知会员服务
161+阅读 · 2020年2月27日
【2020新书】图机器学习,Graph-Powered Machine Learning
专知会员服务
337+阅读 · 2020年1月27日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
Yann LeCun都推荐的深度学习资料合集!
InfoQ
14+阅读 · 2019年7月7日
推荐系统召回四模型之二:沉重的FFM模型
AINLP
23+阅读 · 2019年3月22日
推荐系统召回四模型之:全能的FM模型
AINLP
16+阅读 · 2019年3月4日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
基于大数据搭建社交好友推荐系统
云栖社区
8+阅读 · 2018年2月2日
推荐系统杂谈
架构文摘
28+阅读 · 2017年9月15日
有了场景和画像才懂用户
互联网er的早读课
6+阅读 · 2017年8月26日
今日头条推荐系统架构演进之路
QCon
32+阅读 · 2017年6月21日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Arxiv
12+阅读 · 2018年1月20日
VIP会员
相关资讯
Yann LeCun都推荐的深度学习资料合集!
InfoQ
14+阅读 · 2019年7月7日
推荐系统召回四模型之二:沉重的FFM模型
AINLP
23+阅读 · 2019年3月22日
推荐系统召回四模型之:全能的FM模型
AINLP
16+阅读 · 2019年3月4日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
基于大数据搭建社交好友推荐系统
云栖社区
8+阅读 · 2018年2月2日
推荐系统杂谈
架构文摘
28+阅读 · 2017年9月15日
有了场景和画像才懂用户
互联网er的早读课
6+阅读 · 2017年8月26日
今日头条推荐系统架构演进之路
QCon
32+阅读 · 2017年6月21日
Top
微信扫码咨询专知VIP会员