最开始是用推荐算法给用户推荐产品，根据用户画像给用户推荐产品和电影。现在推荐算法多用于资讯视频和小视频。现在很多平台都是用大数据的推荐算法给用户推荐更合适的内容，所以这个算法本身确实很强大。作为推荐人，算法工程师说说我的主要工作…1。做数据，但是算法工程师做数据主要是指做样本，也就是为了让算法学到更多有价值的东西，我们根据数据库中的数据选择不同的领域作为特征馈算法。说白了，就是如何利用数据。
头条的推荐算法与阿里腾讯的推荐算法有什么不同？厉害在哪呢？
不觉得头条推荐算法很厉害。只不过是在用户关注区间和关注内容上的逐渐收敛，最后导致头条系的产品使用时间长了，关注内容便会固定在一小块地方。算法被不停地修正，寻找最适合用户的分类信息，为了避免被算法引入一个局部最优化的结果，需要用户自己去寻找一些偏离平时关注内容的主题去看，来避免让算法将那些内容作为无关内容排除在外。
算法推荐怎么去理解？
现在的智能推荐功能，对互联网用户进行了精准的个人画像，在使用界面上千人千面，只对用户进行个性化的推荐。算法推荐使用户只接收自己感兴趣的内容，时间久了，立场观点和主观好恶更加被固化，从而将自己的生活桎梏于像蚕茧一般的信息茧房中。未来商业和技术的力量必将越来越强大，他们不断的分析你，讨好你，贴合你，试图让你在原本狭窄的世界里不可自拔，这个时候只有通过更广阔的世界更有趣的人事更奔放不羁的思维，你才能确保自己的自由了。
推荐算法，可以做什么？
推荐算法开始是用来给用户进行商品推荐的，根据用户画像给用户进行产品推荐电影推荐现在用得较多的是用于资讯视频小视频的推荐。比如你在刷抖音的时候你会发现，即使你没关注过这个作者但是你看过他的小视频，当他有新视频的时候你还是能刷到他的新视频比如qq浏览器，当你点开视频观看，下面本来排好的序的视频也会在你查看当前视频到一定时间的时候，下方视频最新一条会变化，会插入了一条跟你当前观看视频相关的，那是因为从刚开始的离线推荐现在已经发展到实时推荐。
推荐算法工程师与数据挖掘工程师有什么区别？它们日常工作内容有什么不同？
作为一名推荐算法工程师讲讲我的主要工作…1. 搞数据，但算法工程师的搞数据主要指做样本，即为了让算法学到更有价值的东西我们来根据数据库中的数据来选择不同的字段作为特征喂给算法，说白了就是怎么用数据。2. 目前推荐业务主要使用深度学习算法，我们会跟踪业界最新的论文等研究是否这些模型适合我们的业务场景来落地实现。
大数据的推荐算法真的很厉害吗？
现在许多平台都使用大数据的推荐算法来向用户推荐更适合的内容，那么这个算法本身真的很厉害么？A 推荐算法的核心——分类器一个平台上的内容何止千万，如何才能准确地找到你喜欢的那几条呢？把用户分类通过你的点赞/转发/停留/评论/不喜欢这此操作，为你打上标签，把你分类到某一类别的用户中。关键点在于如何设计这些用户操作和记录的机制，让用户做最少的动作就能获得最有效的信息，准确地把你分类到一个集中。
把内容分类对每个视频/文章/问答/图片打上标签，这时会用到AI的一些算法，去准确地识别内容并分类。B 推荐算法的难点数据量这里并不是说数据量越大越好，其实数据量过多也是算法的难处之一，涉及到如何存储/如何处理/如何解析等等，能很好地处理庞大的数据的算法是非常不容易的。计算能力手机上的软件就那么大，手机计算能力就那么点，信息处理的能力非常有限，大部分计算是网站后台服务器实现的，可是如何能够利用每一台手机这些小小地处理器，将部分信息进行预处理，也是很厉害的。
如果自净能力单纯是你喜欢看的，让它生气，后果会很严重。如果是这样，恐怕网络上就会充斥着黄色/暴力/低俗的内容。因此，推荐机制有一个非常重要的能力，就是能够准确识别这些内容，并以最快的速度杀死它们。总结一下大数据的推荐算法真的很厉害。如果要做一个非常好的推荐机制，需要考虑很多维度，要处理的数据量非常大，计算能力非常强。
