《No Rules Rules》总结
2022年 10月 15号网飞（Netflix）的公司文化一直以来在业界都有一种神秘的色彩。我在2012年左右也有幸到网飞面试，非常短暂得近距离解接触了这个公司的某个切面。虽然之后因为种种原因并没有加入网飞，但这家公司却一直吸引着我的注意力。
网飞（Netflix）的公司文化一直以来在业界都有一种神秘的色彩。我在2012年左右也有幸到网飞面试，非常短暂得近距离解接触了这个公司的某个切面。虽然之后因为种种原因并没有加入网飞，但这家公司却一直吸引着我的注意力。
我于2020年8月受“第一届工业级推荐系统研讨会”的邀请，做了题为“工业级推荐系统最新的挑战和发展”的主题演讲。我们就依据这个演讲的内容作为一个起点，来聊一聊工业级推荐系统的一些特点，尤其是和推荐系统的学术研究有着哪些不同的侧重点。本文会关注那些学术研究中容易忽视的，但却是在工业级推荐系统研发的日常中需要思考的问题。
今天我们要来总结技术管理书籍Resilient Management。作者Lara Hogan是资深的科技公司领导人。她先后于Etsy和Kickstarter担任重要的技术领导人职务，其长期在发表关于技术管理的博客文章以及提供相应的咨询和培训服务。书中有不少可以直接拿来用的技巧、模板和方法。同时，书中的一些案例也是来源于实际工作。本书非常适合需要对技术管理快速入门的初级技术管理人员。
今天我们要来总结技术书籍《从数据中学习》。这本书是一本浅显易懂的机器学习理论知识的入门教材。对于机器学习感兴趣的工程师和希望在理论知识上更进一步的数据科学家可以通过本书来快速了解机器学习的核心思想，也就是“学习理论”（Learning Theory）的重要结论。本书的三位作者都来自学术界。全书书写通畅，公式和理论推导也很基础，适合自学的初学者。
今天我们要来总结技术书籍Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing。这本书的三位作者在业界享有盛誉，他们在在线可控实验、实验平台的搭建和运维以及如何构建数据驱动化的公司企业文化有着丰富的经验。全书是数据科学家、机器学习工程师、产品经理以及一切对在线可控实验有兴趣的研发人员的必读参考书，是技术书籍领域的经典。
今天我们要来总结技术管理书籍The Manager’s Path – A Guide for Tech Leaders Navigating Growth & Change。这本书的作者是卡米尔福尔聂尔（Camille Fournier），其在技术管理领域有丰富的经验。全书是针对技术管理人在职场发展不同阶段所需技能以及面对诸多管理场景的经验总结，是技术管理领域不可多得的参考书籍。
今天我们要来分享一个叫Foundations of Large-scale “Doubly-Sequential” Experimentation的KDD 2019讲座（Tutorial)。这个讲座的作者是来自于时任卡内基梅隆大学（Carnegie Mellon University）助理教授的Aaditya Ramdas。这个讲座清晰得梳理了基于单个实验的“内次序”（Inner Sequential Process）和基于多个实验的“外次序”（Outer Sequential Process），以及他们之间的关系。同时，这个讲座还涵盖了这方面的重要文献历史，是一份不可多的资料。
今天我们要来分享一篇题目叫Collaborative Multi-objective Ranking的发表在CIKM 2018上的论文。这篇论文的作者是来自于罗格斯大学（Rutgers University）的Jun Hu和Ping Li。文章的核心内容讲的是，传统的以矩阵分解为基础的“协同排序”（Collaborative Ranking）容易有无法有效学习“用户隐向量”（User Factor）和“物品隐向量”（Item Factor）的问题。这篇论文探究了这种问题的来源以及提出了一种“共同优化”（Joint Optimization）的策略来解决问题。
2018年的第21届人工智能和统计学大会（The 21st International Conference on Artificial Intelligence and Statistics）在加那利群岛（Canary Islands）召开。我们在这篇短文里提供一些论文的快速导读，起到抛砖引玉的作用。
我们在这里对Facebook应用机器学习（Applied Machine Learning）组发布的文章Applied Machine Learning at Facebook: A Datacenter Infrastructure Perspective进行一个简单的分析解读。这篇文章可以让我们对Facebook里机器学习平台以及各个产品应用这个平台的情况有一个很不错的了解。