微信公众号推荐
小小挖掘机
今天给大家推荐一个微信公众号「小小挖掘机」，是一个以Python、机器学习、推荐算法、强化学习为主题的个人技术学习与进阶公众号。
内容适合以下群体：
直接相关岗位从业者
相关专业和方向的高校大学生
相关技术的爱好者
个人经历
本科：中央财经大学信息管理与信息系统／金融学双学位
研究生：中国人民大学信息学院系统理论
现就职：美团外卖广告组
研究生阶段自学机器学习、深度学习相关知识，有美团点评近两年实习经历，在19届校招中，面试阿里、美团、头条、滴滴等16家互联网公司，斩获11个offer。
作者在Python、数据科学、推荐系统、强化学习等方向均有所涉及，喜欢总结与分享。
快速了解作者：
书豪采访记（十）：走向算法大神～石晓文
公众号内容
该公众号内容丰富，已经原创发表 160 余篇技术文章，覆盖以下内容：
1. 主打推荐系统遇上深度学习系列：详细介绍各种推荐算法的原理及tensorflow实现，理论和实践相结合，助你快速入门推荐系统。系列相关文章62篇
推荐系统遇上深度学习(一)--FM模型理论和实践
推荐系统遇上深度学习(二)--FFM模型理论和实践
推荐系统遇上深度学习(三)--DeepFM模型理论和实践
推荐系统遇上深度学习(四)--多值离散特征的embedding解决方案
推荐系统遇上深度学习(五)--Deep&Cross Network模型理论和实践
推荐系统遇上深度学习(六)--PNN模型理论和实践
推荐系统遇上深度学习(七)--NFM模型理论和实践
推荐系统遇上深度学习(八)--AFM模型理论和实践
推荐系统遇上深度学习(九)--评价指标AUC原理及实践
推荐系统遇上深度学习(十)--GBDT+LR融合方案实战
推荐系统遇上深度学习(十一)--神经协同过滤NCF原理及实战
推荐系统遇上深度学习(十二)--推荐系统中的EE问题及基本Bandit算法
推荐系统遇上深度学习(十三)--linUCB方法浅析及实现
推荐系统遇上深度学习(十四)--强化学习与推荐系统的强强联合！
推荐系统遇上深度学习(十五)--强化学习在京东推荐中的探索
推荐系统遇上深度学习(十六)--详解推荐系统中的常用评测指标
推荐系统遇上深度学习(十七)--探秘阿里之MLR算法浅析及实现
推荐系统遇上深度学习(十八)--探秘阿里之深度兴趣网络(DIN)浅析及实现
推荐系统遇上深度学习(十九)--探秘阿里之完整空间多任务模型ESSM
推荐系统遇上深度学习(二十)--贝叶斯个性化排序(BPR)算法原理及实战
推荐系统遇上深度学习(二十一)--阶段性回顾
推荐系统遇上深度学习(二十二)--DeepFM升级版XDeepFM模型强势来袭！
推荐系统遇上深度学习(二十三)--大一统信息检索模型IRGAN在推荐领域的应用
推荐系统遇上深度学习(二十四)--深度兴趣进化网络DIEN原理及实战！
推荐系统遇上深度学习(二十五)--当知识图谱遇上个性化推荐
推荐系统遇上深度学习(二十六)--知识图谱与推荐系统结合之DKN模型原理及实现
推荐系统遇上深度学习(二十七)--知识图谱与推荐系统结合之RippleNet模型原理及实现
推荐系统遇上深度学习(二十八)--知识图谱与推荐系统结合之MKR模型原理及实现
推荐系统遇上深度学习(二十九)--协同记忆网络理论及实践
推荐系统遇上深度学习(三十)--深度矩阵分解模型理论及实践
推荐系统遇上深度学习(三十一)--使用自注意力机制进行物品推荐
推荐系统遇上深度学习(三十二)--《推荐系统实践》思维导图
推荐系统遇上深度学习(三十三)--Neural Attentive Item Similarity Model
推荐系统遇上深度学习(三十四)--YouTube深度学习推荐系统
推荐系统遇上深度学习(三十五)--强化学习在京东推荐中的探索(二)
推荐系统遇上深度学习(三十六)-Learn and Transferr IDs Repre in E-commerce
推荐系统遇上深度学习(三十七)--基于多任务学习的可解释性推荐系统
推荐系统遇上深度学习(三十八)--CFGAN:一种基于GAN的协同过滤推荐框架
推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进！
推荐系统遇上深度学习(四十)-使用RNN做基于会话的推荐
推荐系统遇上深度学习(四十一)-使用RNN做基于会话推荐的一些小trick
推荐系统遇上深度学习(四十二)-使用图神经网络做基于会话的推荐
推荐系统遇上深度学习(四十三)-考虑用户微观行为的电商推荐
推荐系统遇上深度学习(四十四)-Airbnb实时搜索排序中的Embedding技巧
推荐系统遇上深度学习(四十五)-探秘阿里之深度会话兴趣网络DSIN
推荐系统遇上深度学习(四十六)-阿里电商推荐中亿级商品的embedding策略
推荐系统遇上深度学习(四十七)-TEM:基于树模型构建可解释性推荐系统
推荐系统遇上深度学习(四十八)-BST:将Transformer用于淘宝电商推荐
推荐系统遇上深度学习(四十九)-九篇阿里推荐相关论文汇总！
推荐系统遇上深度学习(五十)-使用强化学习优化用户的长期体验
RS Meet DL(51)-谈谈推荐系统中的冷启动
RS Meet DL(52)-基于注意力机制的用户行为建模框架ATRank
RS Meet DL(53)-DUPN：通过多任务学习用户的通用表示
RS Meet DL(54)-使用GAN搭建强化学习仿真环境
RS Meet DL(55)-[阿里]考虑时空域影响的点击率预估模型DSTN
RS Meet DL(56)-[阿里]融合表示学习的点击率预估模型DeepMCP
RS Meet DL(57)-[阿里]如何精确推荐一屏物品？
RS Meet DL(58)-基于“翻译”的序列推荐方法
RS Meet DL(59)-FM家族的新朋友FAT-DeepFFM
RS Meet DL(60)-FM家族的新朋友之TransFM
RS Meet DL(六十一)-[阿里]使用Bert来进行序列推荐
RS Meet DL(62)-[阿里]电商推荐中的特殊特征蒸馏
2、经验分享篇：详细介绍号主在美团实习两年的经验，以及19届校招的面试经验，可谓字字珠玑，值得收藏：
我在美团的这两年，想和你分享
从小白到入门算法，我的经验分享给你～
小编校招经验分享-高考结束！校招还会远么～～
我的推荐系统入门经验～（文末有福利）
3、面经篇：详细介绍号主的一些面试经验，以及群友贡献的新鲜的面经：
带答案面经分享-L1正则&L2正则
带答案面经分享-面试中最常考的树模型！
面试常考-链表反转解析
BAT面试题汇总！！
查收一份附带答案的面经！
【新鲜出炉】快手推荐算法 & bing搜索 面经
新鲜出炉的推荐算法工程师面经～～
头条广告算法面经！
热乎乎的计算机视觉岗实习面经请您查收～～
算法面试太难？反手就是一波面经
带答案分享-算法面试中的趣味题目
决策树，逻辑回归，PCA-算法面经
算法人必懂的Hive知识-四道Hive面试&笔试题解析
4. Python数据科学：主要介绍Python中常用库如Numpy、Pandas、Matplotlib的使用，系列文章有10余篇：
数据城堡参赛代码实战篇（一）---手把手教你使用pandas
数据城堡参赛代码实战篇（二）---使用pandas进行数据去重
数据城堡参赛代码实战篇（三）---我们来探究一个深奥的问题！
数据城堡参赛代码实战篇（四）---使用pandas合并数据表
数据城堡参赛代码实战篇（五）---使用sklearn解决分类问题
数据城堡参赛代码实战篇（六）---使用sklearn进行数据标准化及参数寻优
数据城堡参赛代码实战篇（七）--- xgboost介绍及实战
Numpy基础知识点汇总
Pandas-Series知识点总结
Pandas-DataFrame基础知识点总结
Pandas-层次化索引
Pandas常用的数据处理方法
Matplotlib基础全攻略
5. 其他精彩原创
【通俗易懂】手把手带你实现DeepFM！
通俗易懂！使用Excel和TF实现Transformer！
不会Python没问题！用Excel实现简单的逻辑回归！
听说GAN很高大上，其实就这么简单
大过年的，一起来用Seq2Seq来作对联吧！
来学习几个简单的Hive函数啦
使用Seq2Seq+attention实现简单的Chatbot
Pointer-network理论及tensorflow实战
举一反三-Pandas实现Hive中的窗口函数
最后，公众号配套2k star的github地址：https://github.com/princewen/tensorflow_practice
微信群交流
截止到目前，号主已经组建了8个技术交流群，交流氛围十分浓厚，部分截图如下：
微信群也获得了小伙伴们的一致好评：
如果你想加入微信群和小伙伴们交流，关注公众号并在后台回复“进群”即可。
未来计划
继续主打推荐系统与深度学习系列，争取做到每周一更，三年内更新到两百篇！
作为一个原创号主，作者希望能够保持初心，将最纯粹的知识与你一同分享！
