C1 概念和思维
- 推荐系统
核心的概念是连接，建立推荐系统的前提是有一定的链接，有存量（留存，更适合推荐系统）和增量（增长）两种目标 - 问题模式
主要有行为预测（主要）和评分预测 - 常见问题
冷启动，探索和利用（大部分推荐感兴趣的，小部分试探用户新的兴趣），安全问题 - 思维模式
UIUE > 数据 > 领域知识 > 算法 - 目标思维
目标思维背后是量化一切，不能停留在感觉推荐很精准或者感觉推荐得很不准的
区分目标和手段- 手段误区，产品提出需求的人能把手段深究为目标，实现需求的人能把目标转化为有效手段
- 约束误区，保持1个目标（越大或小越好），多个约束（不要低于或者高于某个值，必须具备某种属性）
- 不确定性思维
算法基本都是概率算法，无法保证能够得到，不可解释的推荐也可以探索新兴趣；但是不能把bug都归咎于“不确定”，上线服务端API需要单元测试，回归测试，压力测试，内部需要使用调试工具和详细日志来记录每个推荐结果的计算过程
C2 产品漫谈
- 价值
注意力由内容复杂度（质量）和内容被消耗的加速度成绩决定，用投其所好的方式存储注意力，然后将注意力作为商品与用户交换，进行变现 - 成本
团队成本，文化建设成本，算法工程师，软件工程师
硬件成本，相对于团队成本微不足道
机会成本，选择大于努力
C13 团队和个人
- 团队
- 算法工程师：1位 用Quora开源的QMF工具可以支撑3.9年
- 软件开发工程师：2位，软件工程师：负责AB，RPC，过滤填充，以及Rest API；运维工程师，搭建数据，回收用户反馈数据，统一存储日志数据
- 其他非技术角色，跨部门合作
- 个人
- 工程能力
算法论文应用，自己实现然后看开源的实现，对比总结
熟读现有的轮子，对轮子的性能和实现方法有十足的了解
创造自己的轮子，整体升级为自研系统 - 理论基础
概率，线性代数，微积分，信息论，博弈论 - 可视化思维
python的Matplotlib，节省沟通成本 - 其他
学习能力，沟通能力，表达能力
- 工程能力
