推荐系统基础（基本概念、链路、AB测试）；召回（ItemCF、Swing、UserCF、离散特征处理、矩阵补充、双塔模型、双塔模型+自监督学习、Deep Retrieval召回、其他召回通道、曝光过滤+Bloom Filter）；排序（多目标排序模型、MMoE、预估分数融合公式、视频播放时长和完播率建模、特征及处理、粗排三塔模型）

特征交叉（因子分解机FM、深度交叉网络DCN、LHUC/PPNet、SENet&Bilinear Cross&FiBiNet）；行为序列（用户lastN序列特征、DIN&注意力机制、长序列建模SIM）；重排（多样性、物品相似性的度量、MMR多样性算法、滑动窗口&业务规则约束、DPP多样性算法&Hulu的快速求解算法）；物品冷启动（优化目标&评价指标、简单的召回通道、聚类召回、Look-Alike人

哈希表三种形式：数组、set、map（相当于Python里的字典）

数据可视化（第四周）

outputs = model(inputs)前向传播，model为实例化后的模型；loss = criterion(outputs, targets)计算损失，criterion为定义的损失函数；Pytorch自动求导机制会将梯度值累加，故要optimizer.zero_grad()清零，去掉以前的梯度值；loss.backward()反向传播，通过自动微分计算损失函数相对于模型参数的梯度；op

数据可视化（第四周）

土堆Pytorch教程笔记

Visual Studio下载及安装 -> 创建新项目 -> 创建文件 -> 编写代码并运行

泰坦尼克号幸存者预测（决策树/分类树 tree.DecisionTreeClassifier）

协程，多任务异步协程，aiohttp模块，异步爬虫实战：爬取《西游记》全部章节内容