1、电商行业起步到发展阶段，有一定的数据量但是数据量不是特别多，要从0开始构建推荐系统，希望可以在短时间内上线给用户展现不同推荐结果，应从哪些方面着手，有哪些要注意的问题？
2、推荐系统课件地址：
http://47.93.208.249:9825/notebooks/0.Teacher/Online/first_read_me.ipynb
登录密码：fe5513c4
3、推荐系统时，需要从几方面考虑问题呢？
算法
召回、排序、规则
基于标签的方法（用户标签、内容标签）、
协同过滤
冷启动的问题：新物品的冷启动、新用户的冷启动
深度学习方式
数据
用户行为、物品信息、用户画像以及外部数据
在线服务
1、返回响应要足够迅速，当一个用户请求后的快速返回推荐结果
2、具有高可扩展性，当 DAU 从最初的十万涨到一二百万时，推荐系统还能像最初那样很好地挡住大体量的请求吗？
评估效果
用户行为采集：SDK
用户行为数据：
1、训练模型
第一，构造正负例。比如给用户推荐十条商品，有几条发生点击，就有几条正例，其他没有发生点击就是负例。
第二，构造特征工程。稍后会以一个电商场景为例，具体讲解通常情况下，如何构造特征工程。
1）用户维度，通常首先考虑用户的年龄和性别。用户的品类偏好、品牌偏好，以及价格偏好
2）商品维度。在商品的维度里，我们可能关注一些商品的品类、品牌、价格、所面向的性别，以及各种用户行为反馈的一些数据，比如点击率、收藏比率等，
第三，数据采样。数据采样对整个模型训练的效果影响较大。
2、验证模型效果
3、看 A/B Test 效果
4、定位到此次推荐系统上线后效果不理想的原因、分析到底是哪些因素使效果变好