《互联网大厂推荐算法实战》是一本介绍推荐算法在互联网行业应用的实用指南。文章深入浅出地解释了推荐算法的原理和实现方法，并结合大型互联网公司的案例进行实战演练。通过阅读本文，读者可以了解推荐算法的重要性和应用场景，为自己的工作提供更多灵感和思路。
互联网大厂推荐算法实战读后感(一)
作者非常谦虚的自称非科班出身，其实反而是这种自谦和认真，才会使得这本书的内容更加朴实认真。
本书细致的讲解了当前互联网领域中比较常用的与业务场景关联比较紧密的机器学习及常用工具算法。
通过本书的阅读，可以让进入该领域的同学比较快速的与前辈们对齐在基础知识上的差异，做到采用最小的成本获取最高效和最大的进步。
非常推荐入行的同学阅读本书，并且也是对在工作中已经有一定经验的同学对技术梳理的比较高质量的参数书。
强烈推荐！
互联网大厂推荐算法实战读后感(二)
赵老师的这本书《互联网大厂推荐算法实战》聚焦人工智能的重要应用场景之一“推荐算法”，紧扣各互联网大厂当下最主流的推荐算法，梳理了这些算法背后的思想脉络与技术框架，并通过通俗易懂的方式讲解最基本的算法原理。对于核心算法，本书都附带实现源码，而且基本上每行都带有注释，突出了其实战性。另外，还涉及算法工程师的工作实际，关注他们经常会遇到的实际难题，如多任务推荐与多场景推荐应该怎么做。具体内容包括：推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统各组成模块（包括召回、粗排、精排与重排）所使用的算法技术、推荐算法实践中经常会遇到的难题以及应对之道（其中涉及多任务推荐、多场景推荐、新用户冷启动、新物料冷启动、评估模型效果、定位并解决问题等），以及推荐工程师成长进步的建议（此处是本书的特点所在）。在此，推荐这本书给推荐算法的开发工程师和研究人员。
互联网大厂推荐算法实战读后感(三)
赵传霖博士所写的《互联网大厂推荐算法实战 》，讲的都是各互联网大厂当下主流的推荐算法。在书中，作者将各推荐算法之间的区别与联系，以及推荐算法的发展脉络娓娓道来。对于协同过滤、矩阵分解这类经典但过于老旧的算法，以及实现复杂、复现困难的那些前沿但过于新潮的算法，这本书并没有浪费笔墨，可以说是非常实用。
这本书在召回这一章介绍了向量化召回统一建模框架，使读者学习的不再是若干孤立的算法，而是一个算法体系，最终达到融会贯通，举一反三的目的，可以说是相当不错。
这本书的另一个特点是最后一章所介绍的推荐算法工程师的自我修养。赵博士作为一名在推荐算法领域奋战多年的老兵，结合了自己的个人经验和教训，从工作、学习、面试三个方面谈了一下自己的心得体会，对一些想入行或者刚入行的人来讲，受益匪浅。
总而言之，如果你想进互联网大厂的推荐算法岗工作，这本书是块敲门砖。
