以“AI这时代，星辰大海”为主题的2021百度世界大会，主持人撒贝宁生动的展示了百度人工智能在出行、生活、产业、自主创新等领域如何改善社会民生。百度的 Apollo无人车、小度智能词典、小度急救助手等产品的普及，在当下及未来学习AI技术无疑是最正确的选择。已报名，看我名称分响
而AI的三大方向NLP、CV、推荐，毫无疑问推荐目前是应用最广泛的AI技术。推荐在我们生活中随处见比如：
当你打开淘宝界面时，你就会看到属于你的专属推荐。这对你来说其实解决的是海量商品的快速为你甄选。而对淘宝来说能产生更多的购买就是实打实的真金白银。
而对视频网站来说，推荐更符合用户胃口的视频，无疑可以增加用户粘性，提高用户留存，更好的去吸引用户，那么随之而来的广告收入也会增加。也是一种双赢。
推荐系统要解决的主要问题是用户如何在信息过载的情况下高效获取感兴趣的内容。推荐系统主要分为：
- 基于人口统计学的推荐（基于用户）与用户画像
- 基于内容的推荐（基于物品）与特征工程
- 基于协同过滤的推荐（用户行为数据）
说了这么多，如何去快速学习推荐系统呢？AI知识的难度和信息的碎片化无疑增加了自学的难度，我也是这么经历过来的。一开始觉得在B站上看视频就可以了，在网上找一些课程看看，但是学了一段时间觉得很难坚持下来了，一是枯燥学不懂、二是没有一块共同学习的人也没有遇到问题可以咨询的良师益友。后来就去找培训机构，但是培训机构更新参差不齐，如何去选择呢？也是对比了好几家机构，比如：开课吧 、贪心科技、七月在线等等，简单介绍下吧，某吧的确比较火，因为融资有钱了广告肯定是满天飞，但是课程质量到底怎么样，必须打个疑问了。我有个朋友是报了他们的课程，但是讲课吧真的有点晦涩，学习AI重要的是可以听懂，并不是老师需要多么的高大尚。最后我是选择了贪心科技的课程，学习他们的课程起码我是可以听懂的，慢慢的巩固练习，这才是快速学习AI的通道吧。
Week1: 机器学习基础
Week2: 推荐系统基础
Week3: 内容画像的构建以及NLP技术
Week4: 用户画像的构建
Week5: 传统Matching方法
Week6: 深度Matching方法
Week7: Graph Embedding与用户行为构建图
Week8: 图推荐、图神经网络、采样与热度打压
Week9: 经典Ranking模型方法
Week10: 深度Ranking模型与工业采样技巧
Week11: 重排序与多目标学习
Week12-13: 工业界新闻推荐系统中冷启动与热点文章实时召回
Week14: 强化学习与推荐系统、AutoML与推荐系统
Week15: 项目总结，部署以职业规划
