本书是一本关于推荐系统产品如何落地的综合图书，内容覆盖产品、算法、工程、团队和个人成长。书中不仅梳理了从事推荐系统工作需要具备的思维模式和需要了解的问题类型，还从产品和商业角度分析了当前最火爆的信息流内在逻辑。本书用非常通俗易懂的方式介绍了推荐系统的经典算法原理，并有相应的配套实践代码，以帮助初入门的算法工程师快速上手。除了推荐算法，书中还包含一些不属于推荐算法但是很常见的实用算法。除算法原理之外，还有典型的工程架构描述，以及架构内部的具体模块细节描述。这些都是在设计推荐系统的过程中不可或缺而又不容易在公开场合获得的内容。此外，本书还涉及一部分推荐系统安全相关的知识，以及团队搭建经验和个人成长心得。
本书适合以推荐系统为代表的效果类产品从业者阅读，包括决策者，以及产品、算法、架构、安全、运营人员。这是一本可以架起不同工种之间友好沟通桥梁的书。

陈开江，偶以“刑无刀”的名义“出没江湖”，初于北京理工大学学习自然语言处理，先后任职于新浪微博、车语传媒、贝壳找房等公司，从事自然语言处理及推荐系统开发等工作，也曾有两三年与推荐系统有关的创业经验。出版有译著《机器学习：实用案例解析》，在微信公众号ResysChina上发表过推荐系统系列文章，在极客时间上开设有《推荐系统36式》付费专栏。

1概念与思维
1.1 该要推荐系统吗
1.1.1 什么是推荐系统
1.1.2 是否需要推荐系统
1.1.3 小结
1.2 问题模式有哪些
1.2.1 预测问题模式
1.2.2 几个常见顽疾
1.2.3 小结
1.3 要具有什么样的思维模式
1.3.1 关键元素
1.3.2 思维模式
1.3.3 小结
2产品漫谈
2.1 推荐系统的价值和成本
2.1.1 价值
2.1.2 成本
2.1.3 小结
2.2 信息流简史
2.2.1 前世今生
2.2.2 配套设施
2.2.3 小结
3内容推荐
3.1 用户画像简介
3.1.1 什么是用户画像
3.1.2 关键因素
3.1.3 构建方法
3.1.4 小结
3.2 标签挖掘技术
3.2.1 挖掘标签的物料
3.2.2 标签库该有的样子
3.2.3 标签挖掘方法
3.2.4 小结
3.3 基于内容的推荐
3.3.1 为什么要做好内容推荐
3.3.2 基于内容的推荐系统
3.3.3 小结
4近邻推荐
4.1 基于用户的协同过滤算法
4.1.1 协同过滤算法
4.1.2 基于用户的协同过滤算法原理
4.1.3 应用场景
4.1.4 小结
4.2 基于物品的协同过滤算法
4.2.1 常见的应用场景
4.2.2 算法原理
4.2.3 小结
4.3 相似度算法一览
4.3.1 相似度的本质
……
5矩阵分解
6模型融合
7探索和利用
8深度学习
9其他算法
10架构总览
11关键模块
12效果保证
13团队与个人