- 我目前是字节跳动 ByteDance 的技术经理，Ads Ranking方向负责人。
- 曾任Roku Tech Lead，推荐系统架构负责人，Hulu 高级研究员，品友互动 广告效果算法组负责人。
- 毕业于清华大学计算机系，清华KEG实验室 学术搜索引擎AMiner 早期贡献者。
- 主要研究方向为推荐系统、计算广告，发表相关领域学术论文和专利20余项，曾担任DLP-KDD联合主席，KDD、CIKM等国际会议审稿人。
- SparrowRecSys，SparkCTR等开源项目发起人和主要贡献者，6k stars+。
- 著有《深度学习推荐系统》，《百面机器学习》等技术书籍，读者6万+。
联系方式
- Email: wzhe06[at]gmail.com
- LinkedIn: https://www.linkedin.com/in/zhe-wang-profile/
- 知乎: https://www.zhihu.com/people/wang-zhe-58/
- 微信公众号: 王喆的机器学习笔记 (wangzhenotes)
- GitHub: https://github.com/wzhe06
研究和工程方向
- 基于Tensorflow，Spark MLlib的深度学习推荐模型，CTR预估模型
- 高并发推荐系统服务架构，Model Serving及Online Inference工程框架
- Flink等流计算平台在推荐模型准实时训练和特征实时更新中的应用
- 智能预算控制算法，广告预算分配及Pacing策略
- Spark等大数据平台在数据离线处理及特征工程中的应用
部分论文、书籍和专利
- Zhe Wang. Deep Learning Recommender System(深度学习推荐系统). Electronics Industry Press. 2020.
- Yue Zhuge, Zhe Wang, et al. The Quest for Machine Learning(百面机器学习) . Posts & Telecom Press. 2018.
- Zhe Wang(Translator). Practical Machine Learning Cookbook(机器学习实践指南). China Machine Press. 2018.
- Zhe Wang. An Advertising Budget Control Algorithm and Device. Patent number cn 201710653506. 2017.
- Zhe Wang. An Advertising Deliver Algorithm and Device. Patent number cn 201710653068. 2017.
- Zhe Wang, Sanhong Gao, et al. A Parallel Delaunay Algorithm Applied in Lunar Rover Stereo Vision System. 2nd ICCSEE. 2013.
- Zhe Wang, Sanhong Gao, et al. Elastic Parallel Computing Platform based Lunar Rover Stereo Vision System Design. 63th IAC. 2012.
- Zhe Wang, Jie Tang, et al. Authority-based approach for advisor mining and individual recommendation. China Science Paper. 2010.
开源项目
- SparkCTR: 基于Spark的CTR预估模型，包括LR，FM，GBDT，DNN等。
- SparrowRecSys: 基于TensorFlow模型训练，Spark特征工程，Jetty推荐服务器的深度学习推荐系统。
- Ad-papers: 计算广告领域的经典论文、学习资料、业界分享。
- Reco-papers: 推荐系统领域的经典论文、学习资料、业界分享。
- ipdatabase: 将IP快速转换成地理位置的工具库，直接提取用户的地理位置特征。
业界分享
- 深度学习推荐系统实战. 极客时间. 2020
- Embedding技术在推荐系统中的发展与应用. AIProCon线上大会. 2020
- 深度学习在推荐系统中的应用与发展. 清华大学在线课堂. 2020
- Machine Learning Applications in Hulu Advertising System. Hulu Santa Monica. 2017
- 计算广告中的探索与利用问题. Hulu 北京. 2017
- 广告系统中的智能预算控制策略. 品友互动 北京. 2016
- 广告系统中的探索与利用算法. 品友互动 北京. 2016
- 大数据与金融. 对外经贸大学 北京. 2015
技术博客
- 机器学习模型
- 透着浓浓工业风的Facebook深度学习推荐系统论文
- 推荐系统中的注意力机制——阿里深度兴趣网络（DIN）
- 重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文
- YouTube深度学习推荐系统的十大工程问题
- 万物皆Embedding，从经典的word2vec到深度学习基本操作item2vec
- 从KDD 2018 Best Paper看Airbnb实时搜索排序中的Embedding技巧
- Airbnb如何解决Embedding的数据稀疏问题？
- 回顾Facebook经典CTR预估模型
- Embedding从入门到专家必读的十篇论文
- 前深度学习时代CTR预估模型的演化之路
- 谷歌、阿里、微软等10大深度学习CTR模型最全演化图谱
- 深度学习中不得不学的Graph Embedding方法
- 关于Node2vec算法中Graph Embedding同质性和结构性的进一步探讨
- 毕加索的「公牛」和机器学习的「特征工程」
- Embedding在深度推荐系统中的3大应用方向
- 机器学习系统及工程实践
- 一文读懂「Parameter Server」的分布式机器学习训练原理
- 算法工程师必须要知道的面试技能雷达图
- 为什么说算法工程师的面试是一门玄学？
- 揭开YouTube深度推荐系统模型Serving之谜
- Netflix推荐系统模型的快速线上评估方法——Interleaving
- 不要犯战略性的失误——如何合理制定推荐系统的优化目标？
- 推荐系统中比模型结构更重要的是什么？
- 天下武功，唯快不破，论推荐系统的「 实时性」
- 如何增强推荐系统模型更新的「实时性」？
- 如何解决推荐系统工程难题——深度学习推荐模型线上serving？
- 如何准备算法工程师面试，斩获一线互联网公司机器学习岗offer？
- 分布式机器学习之——Spark MLlib并行训练原理
- 一文读懂「Parameter Server」的分布式机器学习训练原理
- 透着浓浓工业风的Facebook深度学习推荐系统论文
- 量化投资
访客地图
Updated on 09/24/2022 © Zhe Wang, 欢迎业界同行，相关方向研究生同学的交流、讨论以及一切形式的合作。