极客时间推荐系统三十六式-刑无刀

软考考证

课程简介

《极客时间推荐系统三十六式-刑无刀》“推荐系统三十六式”是由链家网资深算法专家刑无刀（陈开江）撰写并维护的精品专栏内容。【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序逐节学习，重点章节可反复观看；学完后整理一份技术笔记或博客，将所学转化为可展示的项目经验。【就业发展】可面向岗位：Linux 运维工程师、SRE、云计算工程师、DevOps 工程师。云原生与自动化运维仍是企业 IT 刚需方向，认证 + 实战项目组合能显著提升面试通过率，适合向中高级运维或架构岗进阶。

已有 1 人浏览发布 2026-09-15 更新 2026-09-17

“推荐系统三十六式”这个专栏在推荐算法圈子里被反复提起，原因不在于它讲了多少模型，而在于它把推荐系统当成一个工程问题来拆，而不是当成机器学习竞赛题来做。作者陈开江（刑无刀）是链家网算法专家，专栏里的判断带着明显的一线味道：哪些环节在真实业务里最费时间，哪些指标看着漂亮但没用，哪些坑是团队踩过之后才写进文章的。如果你手上已经有一堆推荐系统的资料，这一份的价值在于帮你把散落的点串成一条能落地的线。

课纲的含金量在哪

这份内容的结构不是按算法论文的时间线排的，而是按一个推荐系统从无到有的实际工序排的。前面几式先把推荐系统的边界说清楚——什么场景适合做推荐，什么场景其实用规则就够了，这种“劝退式”的开头在同类资料里不多见。中间段进入召回、排序、重排这条主干，每一块都配有对应的工程取舍讨论，比如召回通道要开几条、冷启动阶段用哪套兜底策略。后段涉及效果评估和线上实验，这部分是很多只讲模型的资料会跳过的地方。

值得注意的是，专栏对“三十六式”的编号并不是严格线性递进，部分章节之间是并列关系。所以对照课纲时不用被序号绑住，可以按“数据—召回—排序—评估”四个模块去归类，再决定先看哪一块。

哪些章节值得精看

冷启动与数据稀疏相关章节：这是推荐系统真正劝退新人的地方，专栏给的思路偏工程实用，适合边看边对照自己手头的业务数据。
召回通道设计：多路召回怎么配比、怎么避免通道之间互相打架，这部分内容在其他地方往往讲得很虚，这里有具体的拆解逻辑。
排序模型演进：从逻辑回归到深度模型的过渡讲得比较克制，重点落在“什么时候值得换模型”而不是“模型结构长什么样”。
线上实验与效果评估：A/B 实验的陷阱、指标口径不一致带来的误判，这几节适合在真正要上线前再看一遍。
推荐系统的边界与反思：散落在开头和结尾，谈推荐系统不该做什么，这类判断比技术细节更难从别处获得。

资料包怎么拆开用

这类专栏配套的资料通常包含正文、章节笔记和若干补充材料。比较高效的用法是分三层：第一层只读正文，按模块速览一遍，建立整体地图，不纠缠细节；第二层精读时把章节笔记当索引，遇到需要复盘的公式或流程再回正文定位；第三层是动手，把专栏里提到的评估口径、召回配比之类的结论，套到自己熟悉的数据集或业务场景里跑一遍，哪怕只是估算。

不要一上来就逐字抄笔记。推荐系统的知识点密度高，但真正决定你能不能上手的是“知道在哪个环节该问什么问题”，笔记记的是答案，问题意识得自己长出来。

适合谁，不适合谁

如果你已经了解基本的机器学习概念，做过一点数据处理，但没完整搭过推荐链路，这份内容能帮你补上工程视角的缺口。如果你完全没有编程和数据处理基础，直接看会卡在实现层面的讨论上，建议先补基础。另外，冲着“考证”来的读者要留意：这个专栏是工程实战向，不对应任何标准化考试的考纲，把它当软考备考材料并不合适，它更适合作为算法工程方向的能力储备。

看的时候建议配一份自己的对照表：左边写专栏里的判断，右边写你当前项目或目标岗位的实际情况，两边对不上的地方就是你接下来要挖的重点。

“推荐系统三十六式”是由链家网资深算法专家刑无刀（陈开江）撰写并维护的精品专栏内容。

课程推荐

配套笔记（39 份 PDF）

* ┣━━01.开篇词用知识去对抗技术不平等（ www.365exe.com ）.pdf [133.5K]

* ┣━━02.你真的需要个性化推荐系统吗（ www.365exe.com ）.pdf [129.6K]

* ┣━━03.个性化推荐系统那些绕不开的经典问题（ www.365exe.com ）.pdf [153.4K]

* ┣━━04.这些你必须应该具备的思维模式（ www.365exe.com ）.pdf [127.7K]

* ┣━━05.画鬼容易画人难：用户画像的“能”和“不能”（ www.365exe.com ）.pdf [136.5K]

* ┣━━06.从文本到用户画像有多远（ www.365exe.com ）.pdf [230K]

* ┣━━07. 超越标签的内容推荐系统（ www.365exe.com ）.pdf [1M]

* ┣━━08. 人以群分，你是什么人就看到什么世界（ www.365exe.com ）.pdf [159.6K]

* ┣━━09. 解密“看了又看”和“买了又买”（ www.365exe.com ）.pdf [259.2K]

* ┣━━10. 协同过滤中的相似度计算方法有哪些（ www.365exe.com ）.pdf [652.9K]

* ┣━━11. 那些在Netflix Prize中大放异彩的推荐算法（ www.365exe.com ）.pdf [236.1K]

* ┣━━12 Facebook是怎么为十亿人互相推荐好友的（ www.365exe.com ）.pdf [213.4K]

* ┣━━13. 如果关注排序效果，那么这个模型可以帮到你（ www.365exe.com ）.pdf [588.8K]

* ┣━━14. 经典模型融合办法：线性模型和树模型的组合拳（ www.365exe.com ）.pdf [585.1K]

* ┣━━15. 一网打尽协同过滤、矩阵分解和线性模型（ www.365exe.com ）.pdf [480.9K]

* ┣━━16. 深度和宽度兼具的融合模型 Wide and Deep（ www.365exe.com ）.pdf [1.1M]

* ┣━━17. 简单却有效的Bandit算法（ www.365exe.com ）.pdf [561.3K]

* ┣━━18. 结合上下文信息的Bandit算法（ www.365exe.com ）.pdf [255.5K]

* ┣━━19. 如何将Bandit算法与协同过滤结合使用（ www.365exe.com ）.pdf [567.8K]

* ┣━━20. 深度学习在推荐系统中的应用有哪些（ www.365exe.com ）.pdf [629K]

* ┣━━21. RNN为网络音乐自动构建个性化播单（ www.365exe.com ）.pdf [943.5K]

* ┣━━22. 构建一个科学的排行榜体系（ www.365exe.com ）.pdf [360.5K]

* ┣━━23. 实用的加权采样算法（ www.365exe.com ）.pdf [231.9K]

* ┣━━24. 推荐候选池的去重策略（ www.365exe.com ）.pdf [581.8K]

* ┣━━25. 典型的信息流架构是什么样的（ www.365exe.com ）.pdf [328.5K]

* ┣━━26. Netflix个性化推荐架构（ www.365exe.com ）.pdf [747.4K]

* ┣━━27. 总览推荐架构和搜索、广告的关系（ www.365exe.com ）.pdf [324.6K]

* ┣━━28. 巧妇难为无米之炊：数据采集关键要素（ www.365exe.com ）.pdf [445.4K]

* ┣━━29. 让你的推荐系统反应更快：实时推荐（ www.365exe.com ）.pdf [630.1K]

* ┣━━30.让数据驱动落地，你需要一个实验平台（ www.365exe.com ）.pdf [691.2K]

* ┣━━31. 推荐系统服务化、存储选型及API设计（ www.365exe.com ）.pdf [707.9K]

* ┣━━32. 推荐系统的测试方法及常用指标介绍（ www.365exe.com ）.pdf [357.9K]

* ┣━━33. 道高一尺魔高一丈：推荐系统的攻防（ www.365exe.com ）.pdf [320.8K]

* ┣━━34. 和推荐系统有关的开源工具及框架介绍（ www.365exe.com ）.pdf [1M]

* ┣━━35. 推荐系统在互联网产品商业链条中的地位（ www.365exe.com ）.pdf [306.8K]

* ┣━━36. 说说信息流的前世今生（ www.365exe.com ）.pdf [220.3K]

* ┣━━37. 组建推荐团队及工程师的学习路径（ www.365exe.com ）.pdf [250.5K]

* ┣━━38. 推荐系统的参考阅读（ www.365exe.com ）.pdf [250.5K]

* ┗━━39.遇“荐”之后，江湖再见（ www.365exe.com ）.pdf [324.8K]

极客时间 推荐系统三十六式-刑无刀

课纲的含金量在哪

哪些章节值得精看

资料包怎么拆开用

适合谁，不适合谁

极客时间推荐系统三十六式-刑无刀