[]推荐算法工程师的成长之道

本文插图

本文插图
作者 | gongyouliu
来源 | 大数据与人工智能（ID: ai-big-data）
本文，作者会基于自己的实践经验讲述推荐算法工程师的成长之道，这里的“道”有发展路径和道(道理、方法论、经验、智慧)两层意思。
所以本文除了讲解推荐算法工程师的成长路径之外,还会详细阐述推荐算法工程师需要了解的方法论和智慧。
相信读者读完本文会更加坚信推荐算法工程师是一个好的职业选择, 并且结合自己的兴趣和特长也知道未来该怎样去规划、发展和成长。
本文会从推荐算法是一个好的职业选择、发展路线及职业定位、成长之道、挑战和机遇四个维度来讲解。

本文插图
为什么说推荐算法是好的职业选择
深度学习技术的逐步成熟，推动了AI第三次浪潮的到来，纵观目前AI在互联网行业上的应用，有比较好的产品落地及商业化价值的应用主要有7个大方向：
7大方向
1. 语音识别
2. NLU及NLP
3. 图像识别(特别是人脸识别)
4. 金融行业的信用评分和反欺诈
5. 推荐系统
6. 搜索系统
7. 广告(精准)投放(即计算广告)
在这7个大方向中，推荐，搜索，广告投放是互联网公司最普及也是最能产生现金流的三个方向。
广告投放自不用说，这是互联网最重要的变现手段，基本每个互联网公司都会利用广告来变现。只要是提供大量“标的物”给海量用户的产品就一定会用到搜索和推荐两种技术，代表了用户的两种不同诉求。
搜索是用户的主动需求，用户想要找什么东西，知道自己的需要，就会通过搜索来获取。而推荐代表的是用户的被动需求，当用户的需求不明确时，推荐就有了用武之地。
在这里，我也要强调一点，其实推荐、搜索、广告精准投放都是机器学习驱动的系统，它们在技术体系上是一脉相承的，甚至在广义上讲它们是一样的。
首先, 广告投放是将广告推送给可能会喜欢该广告的用户(当然可能需要通过标的物的承接，比如视频的贴片广告，广告是“寄宿“在视频上的) ，本质上可以将广告看成是推荐系统的“标的物” 。
这样看的话，广告投放可以看成是一种推荐系统，只不过广告精准投放会将关注点放到广告上，希望将广告更好更精准的投放出去。
其次，推荐系统可以看成一个搜索过程，我们可以认为是将用户的历史行为的整体作为搜索关键词，通过推荐系统“搜索”出用户可能感兴趣的内容，只不过“搜索”过程是算法自动完成的，而不是用户输入关键词。
通过上面的分析，在更广的意义上，推荐、搜索、广告精准投放是一致的。他们在工程技术体系上也是类似的。
搜索、推荐在工程实现上都是分为召回和排序两个阶段，在实现算法上除了常用的机器学习算法，深度学习、强化学习等都在这三个领域得到了很好的应用。
随着移动互联网的深入发展及产品创新，目前这3个方向有更多更深入的交叉。
比如百度的搜索和广告基本是整合在一起的，用户输入关键词既能给出相关的搜索结果也会产生与关键词匹配的相关广告。
随着信息流的发展，信息流整合了变现能力，在信息流推荐列表中插入广告是非常好的变现方式。视频推荐中的贴片广告也是利用了广告和推荐的协同效应。
推荐和搜索结合在一起更是常用的产品策略，在用户无搜索结果时给用户推荐，在用户点击某个搜索结果时给用户推荐相关的结果，在用户输入搜索词不准确或者有错误时给用户推荐更好的搜索词。