移动端设备商上如何做好推荐系统

概要
大数据时代，给移动端设备商带来了两个新的特点：一方面，移动端设备作为一个数据的集散地 (data hub)，拥有的数据往往更多、更杂，涉及的面更广，需要更多的处理能力；另一方面，移动端设备需要用到推荐系统的场景很多，如应用商店、游戏中心、音乐、阅读、O2O、Push平台等等。如何寻找一种通用的解决方案，利用好这些数据，准确把握并预测用户需求，不断提升用户体验的同时也能保证推荐系统的性能满足要求，这是一个有意思且具挑战性的任务。 本话题将介绍魅族推荐系统是如何从数据埋点、数据清洗、特征融合到推荐算法架构等方面的创新与探索，重点讲述了如何利用移动设备上数据的特点，打造高性能推荐算法的过程。

个人简介

谭志刚，魅族资深技术专家，大数据算法负责人。09年香港大学博士毕业后，长期专注于模式识别、机器学习技术的应用研发。先后在ASTRI、 Sungard、StatMaster等单位任职。作为技术负责人，帮助魅族建设了推荐系统、舆情分析系统、与广告竞价系统等多套数据算法。

QCon是由InfoQ主办的全球顶级技术盛会，每年在伦敦、北京、东京、纽约、圣保罗、杭州、旧金山召开。自2007年3月份首次举办以来，已经有包括传统制造、金融、电信、互联网、航空航天等领域的近万名架构师、项目经理、团队领导者和高级开发人员参加过QCon大会。