推薦系統實踐入門｜可應用於工作上的指引 推薦システム実践入門 ―仕事で使える導入ガイド

👑 Netflix 80%的觀看次數、Amazon 35% 的營業額均來自推薦系統
👑 建構高效推薦系統，精準媒合用戶需求

本書適合對推薦系統的開發，或者對推薦演算法有興趣的你：工程師或資料科學家、產品經理與UX/UI 設計師、研究者或學生。

許多網站服務都有推薦機制，譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品，或者看影片看到很晚。想必你應該也有類似的經驗吧！其實推薦系統一直存在於我們的周圍。若能讓用戶盡快找到他們感興趣的品項，便可提高用戶的滿意度。

網站服務引入推薦系統已成為趨勢，本書著重實際建構這種信息過濾系統，用於預測使用者對物品的「評分」或「偏好」，來決定呈現哪些商品在使用者眼前。

本書以「運用在實際工作上」為目的，提供作者自身的實務經驗和各種成功、失敗的例子，著重於實際建構一個推薦系統，適合新手入門。

隨著資訊化愈發深入生活，需要做決定的頻率及選項數都急遽增加，對於推薦系統的需求也跟著增加，網站服務引入推薦系統已成為趨勢。

本書將從推薦系統的概要開始，介紹相關的UI/UX、演算法，推薦系統的實際建構方式、推薦系統的評價方式，讓讀者能實作適當的推薦系統。

<序>

現在許多網站服務都有推薦機制，譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品，或者看影片看到很晚。想必你應該也有類似的經驗吧。

其實，推薦系統一直存在於我們的周圍。譬如餐廳的主廚推薦、書店的熱門書籍排行等，都屬於推薦系統。一直以來，我們都需要在日常生活中決定「要吃什麼？」、「要看什麼節目？」。因為經常面對這些需要做出決定的狀況，所以需要能夠幫我們做出決定的建議。隨著資訊化時代的到來，我們需要做出決定的頻率，以及選項數都急遽增加，對於推薦系統的需求也跟著增加。

本書的目標是成為建構推薦系統時的入門書籍，幫助那些想要在自家公司的服務底下建構推薦系統的人們。本書的作者群中，有些人具有在推薦系統的國際論壇RecSys 登台報告的經驗，有些人的本業就是在企業中開發推薦系統的機器學習工程師。此外，本書也是作者群們在經歷過許多推薦系統的開發成功與失敗案例後，整理出來的推薦系統建構入門。

希望本書能幫助那些對推薦系統有興趣的人掌握推薦系統的概要，開發出適當的推薦系統。