推薦系統：前沿與實踐

　　推薦系統是互聯網時代極具商業(yè)價值的人工智能應用之一，30 年來持續(xù)受到學術界和工業(yè)界的廣泛關注。本書作者以一線研發(fā)人員的視角和經驗，對推薦系統進行總結，嘗試從原理與實踐兩個角度為讀者剖析推薦系統。本書首先從原理上介紹各類經典推薦算法及前沿的深度學習推薦算法，然后分析推薦系統領域發(fā)展的前沿話題和未來方向，最后結合微軟的開源項目Microsoft Recommenders 介紹推薦系統的實踐經驗。讀者可以基于本書提供的源代碼，深入學習推薦算法的設計原理和實踐方式，并可以基于本書從零開始快速搭建一個準確、高效的推薦系統。本書不僅適合互聯網、大數據等相關領域技術人員閱讀，也適合高等院校計算機、軟件工程、人工智能等專業(yè)的本科生和研究生參考。

　　李東勝 博士，微軟亞洲研究院（上海）高級研究經理，復旦大學計算機學院客座教授、兼職博導，中國計算機學會協同計算專業(yè)委員會委員。主要研究方向為機器學習理論及應用，尤其是推薦算法的準確性、泛化能力、可擴展性、安全與隱私等。近年來，在PNAS、Nature Cardiovascular Research、ICML、NIPS、ICLR、SIGIR、WWW、KDD等相關領域的會議和期刊上發(fā)表論文80余篇。長期擔任ICML、NIPS、ICLR、KDD、AAAI、IJCAI、CIKM等學術會議的程序委員。曾任IBM中國研究院高級研究員，于2016—2019年連續(xù)4年獲得IBM杰出技術成就獎，開發(fā)的認知推薦引擎在2018年獲得IBM獎——IBM Corporate Award。練建勛 博士，畢業(yè)于中國科學技術大學，現任微軟亞洲研究院主管研究員。研究方向主要包括推薦系統、用戶建模與深度學習相關技術。在KDD、IJCAI、WWW、SIGIR等多個國際頂級會議上發(fā)表了多篇論文，相關的研究成果應用在必應廣告、Xbox游戲和微軟新聞等多個推薦場景上，獲得了顯著的提升效果。張 樂 博士，人工智能架構師/總監(jiān)，主導面向金融應用的人工智能和機器學習平臺開發(fā)。曾任微軟高級數據科學家，負責開發(fā)應用于零售、媒體和娛樂行業(yè)的工業(yè)級推薦系統在Azure云平臺上的產品和解決方案。在人工智能及數據科學在多個行業(yè)的應用項目中擔任主要開發(fā)和技術負責人。開源項目Microsoft Recommenders的主要參與者之一。曾在KDD、ICDM、WWW等多個人工智能學術會議上發(fā)表論文及演講。本科畢業(yè)于哈爾濱工業(yè)大學，在新加坡南洋理工大學獲得博士學位，曾在美國普渡大學交流訪問。任 侃 博士，現就職于微軟亞洲研究院并擔任高級研究員。主要研究領域包括數據挖掘與機器學習，特別是時空數據挖掘、序列建模與決策優(yōu)化方法，及其在推薦系統、醫(yī)療健康與金融等領域的應用。在數據挖掘與機器學習領域頂級會議和期刊上發(fā)表了20余篇論文，包括TKDE、KDD、SIGIR、AAAI、ICLR、ICDM、WSDM、CIKM等。在浙江大學獲得計算機科學與技術工學學士學位，在上海交通大學獲得計算機科學與技術博士學位，并獲得上海交通大學優(yōu)秀博士學位論文提名。盧 暾 博士，復旦大學計算機科學技術學院教授，博士生導師，美國卡耐基梅隆大學（CMU）訪問學者。現任中國計算機學會（CCF）協同計算專委秘書長、大數據專家委員會通訊委員、高級會員。長期從事CSCW與社會計算、協同計算、推薦系統與人機交互等方面的研究。作為項目負責人承擔多項國家自然科學基金項目、科技部重點研發(fā)計劃課題、863課題和上海市項目。研究成果發(fā)表在CSCW、CHI、UbiComp、NIPS、WWW、SIGIR、IEEE TKDE等領域權威會議和期刊上。多次擔任CSCW、CHI等的AC，多個國內外學術會議的PC Co-Chair，以及多個國內外學術期刊的AE和GE。鄔 濤 博士，微軟Azure Gaming Services部門數據科學主管。其團隊專注于人工智能技術在游戲開發(fā)、內容創(chuàng)作和運營中的應用。領導開發(fā)的Microsoft Recommenders開源項目是GitHub上最受歡迎的推薦系統項目。在微軟、諾基亞研究中心和麻省理工學院計算機科學與人工智能實驗室（CSAIL）長期負責研發(fā)和團隊管理工作。謝 幸 博士，微軟亞洲研究院首席研究員，中國科學技術大學兼職博士生導師，微軟-中科大聯合實驗室主任，中國計算機學會普適計算專委會副主任。其團隊在數據挖掘、社會計算和普適計算等領域展開研究，在國際會議和學術期刊上發(fā)表了300余篇學術論文，共被引用4萬余次。他是中國計算機學會會士、IEEE會士、ACM杰出會員。