AI推薦系統之路 — 從自學到CTO

by 管理者

從一個連推薦系統都沒聽過的大學生,到成為行銷公司Rosetta.ai的CTO的。

我,都經歷了些什麼?

序章

第一次接觸推薦系統是在2017年底,當時我還在香港科技大學就讀大學四年級。

登愣!

https://unsplash.com/photos/3Mhgvrk4tjM

Gmail收到學校一封郵件,是關於一個數據科學的競賽International Data Analysis Olympiad (IDAO),比賽內容是利用電商資料設計推薦系統模型,初賽優勝者可以去俄羅斯參加決賽,決賽優勝者可以直接保送俄羅斯的研究所。雖然對俄羅斯的研究所不是很感興趣,但沒有去俄羅斯玩過,所以就報名了比賽。

摸索

當時的我完全沒有任何推薦系統的背景,只有在Georgia Tech(喬治亞理工大學)交換期間上過人工智能、機器學習的課程,以及在YouTube上看過Stanford (史丹佛大學)的CS231n。

於是我開始在網路上搜尋相關推薦系統的課程,很不幸的,不僅Coursera上沒有課,連Youtube相關並且品質比較好的影片都沒有,於是只能求助Google大神,利用各種關鍵字的排列組合:”Recommender systems”, “Netflix”, “Amazon” 等等,找到一些有用的文章(現在似乎已被刪除找不到),但概念都相當零散,每篇文章講的可能只是單一個別的演算法,某些演算法可能又是以其他演算法為基礎,完全沒有一套完整的學習系統,為了方便自己理解,也順便讓接觸這個領域的初學者輕鬆一點,於是我稍微整理了一些基本的演算法,並統整成一篇文章發到Hackernoon (Hackernoon為全球第三大Publication)。

出乎意外地,我的文章在Reddit (美國人用的PTT)得到不少好評,由此可知,這方面知識相當缺乏有系統的統整,而在那之後,我還發了另一篇比較進階的推薦系統文章到TowardsDataScience,其中包括了我在IDAO所使用的演算法,這也讓我走上了我推薦系統這條不歸路。

創業

畢業後,我收邀擔任Rosetta.ai 的CTO,Rosetta.ai主要業務是為電商提供個人化的推薦系統服務。聽著CEO Daniel描述著電商市場的大餅,裡面藏有多少商機,我毅然決然加入了這家公司。至於為什麼會請一個剛畢業乳臭未乾的毛頭小子擔任自家公司的CTO呢?Daniel其實是看到了我之前所發的兩篇文章,因為統整的還不錯所以決定拉我入伙的😂

在Rosetta.ai中,我將原本協同過濾的推薦系統,升級成深度學習模型為基礎的,和其他家推薦系統相比,我們平均幫用戶提升248%的轉換率以及297%的點擊率,在業務部門強力推動下,目前全球我們已經有將近100家客戶!

除了業界的表現外,為了增強我們的學界的技術聲望,我們也積極與台大林守德教授合作,參與全球最大推薦系統競賽2019 ACM RecSys Challenge,在將近1600個隊伍中,我們斬獲了第四名,並且受邀到丹麥哥本哈根發表我們的模型以及解決方案。

結語

在推薦系統的這條道路上,因為習得的技術,不僅接觸到電商的非技術層面,也得到出國演講的機會。回想起之前剛開始學習的困難,若當時有一套完整的推薦系統學習教材,我會更快步上軌道。因此,我決定和TibaMe課程平台共同推出了這門課:

打造智能推薦系統:用AI搞懂客戶精準行銷

這個課程我幫大家統整了推薦系統各項重點,同時這門課也是史上第一部中文的推薦系統線上教材,希望能幫助電商領域的資料科學家以及軟體工程師學習無痛學習推薦系統。

課程三大特點:

  1. 解說各類傳統演算法以及進階深度學習的推薦系統,深入探討推薦系統的原理
  2. 附帶五部實作教程,徹底了解如何建立並評估推薦系統
  3. 介紹科技大廠如YouTube是如何打造智能推薦系統,讓你走在世界級技術尖端

1月28前購買課程享有早鳥優惠8折

課程連結:https://www.tibame.com/course/609

想要走什麼路自己決定,推薦系統帶我看到了不一樣的風景,

你,要和我一同踏上旅程嗎?


原文 : 推薦系統之路 — 從自學到CTO – Kung-Hsiang, Huang (Steeve) – Medium
https://medium.com/@huangkh19951228/%E6%8E%A8%E8%96%A6%E7%B3%BB%E7%B5%B1%E4%B9%8B%E8%B7%AF-%E5%BE%9E%E8%87%AA%E5%AD%B8%E5%88%B0cto-46ace329af38

分享這篇文章:
0 comment
0

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料