🏠 总目录📚 本教程 00 · 如何使用本教程 →
📑 本页目录(点开跳转)

00 · 如何使用本教程(ADHD 版)

推荐算法 / 开始与接续

这次看一个例子,下次从哪接着看?

先弄清本节问题,再核对一项可观察结果,最后留下一个具体卡点。这些都是可选读法。

能说明停在哪一步、已经知道什么、下次要验证什么;不把安排当成适合所有人的保证。

  1. 带着本节问题读
    先知道这一步要回答什么。
  2. 核对一个可观察结果
    可先读输出,也可择时运行。
  3. 留下一个具体卡点
    记录已知、未知与待验证的一步。
这是一条可跳过的读法,不是强制步骤或学习效果保证。完整说明与使用边界保留在下方。

⏱ 阅读时间仅供参考 | 🎁 可以按需查阅


🎯 一句话

这一节不讲推荐算法,讲怎么让你真的学完它。


🧠 让阅读更容易开始和接续

本教程采用先看结果、按问题分段、保留恢复入口的读法。这些是可选的安排,不是对所有 ADHD 读者都有效的保证。

第一节用一份小数据生成推荐结果;它是教学例子,不是可直接上线的完整系统。需要准备运行环境时,可以先完成准备,改天再运行。

🔧 本教程的「零件说明书」

标记作用可以怎么用
⏱ 时间阅读估算不包含安装与练习;时间少也能先看一个例子
🎯 一句话说明这一节解决什么先明确问题,不代表已懂固定百分比
⭐ 主线 / 🎁 加餐区别建议优先和按需内容按当前目标选路,缺少前置再返回
🔨 动手用结果验证理解先预测一轮结果,再挑一段运行;也可先读现有输出
⚠️ 坑提示具体错误与条件核对自己的症状,不直接照搬处理办法
✅ 检查点帮助定位不懂的步骤先试答,再展开答案核对
⚡ 走神救援短要点恢复上下文先扫要点,仍不清楚就回看对应例子
💡 白话解释把公式放回具体问题结合数字或图,再决定是否读推导

⏲️ 试一个适合自己的短时段

可以从几分钟、一个例子或一道自测开始。计时器有帮助就用;需要休息就停,不把 10 分钟、25 分钟或每天几节当作硬指标。

页长不受限,但不要求你一次读完。能记录“这次看到什么、下一步看什么”,就有恢复的起点。

🪑 可以尝试陪伴式学习

如果独自开始比较困难,可以试着和朋友安静地各做各的,或使用学习背景视频。若它反而分散注意力,就换一种方式;这里不把它作为治疗建议或已证实适合每个人的方法。

🧩 三个具体的学习技巧

技巧 1:先知道这节要回答什么

先看本节结论,带着一个具体问题读例子,例如:“两部电影的相似度到底由哪些用户贡献?”

技巧 2:用自己的话复述一步

可以口述,也可以写一句短笔记。能复述只是一个检查信号;再解释数字怎么得到,或预测换一个输入会怎样,能进一步检验理解。

技巧 3:保留卡点,不要求一次全懂

不影响当前目标的细节可以暂存;挡住下一步的前置现在就补。数学需要时可查 附录 C,不用等“欠账”积累到某个数量。

🔨 动手:验证一个可观察的结果

例如,先猜小数据里的哪两部电影更相似,再运行第一节代码,对照每个用户的贡献。不要把教学情景里提到的电影名当作程序一定会打印的结果。

今天不能运行,也可以先跟着结果表算一项。下次运行用于补充验证,不意味着今天的阅读没有价值。

📒 记录一个具体卡点

记录三件事就够:我停在哪一步、我已经知道什么、下一次要验证什么。比如:“已知道相似度由共同用户计算;还不清楚分母为什么要归一化。”

🚫 常见障碍与可选下一步

当前障碍可以尝试
环境还没装好先看输入与结果,再单独安排环境准备;不是学习失败
打开的资料太多保留一条当前路线,其他资料作为查阅入口
笔记变成抄全文只记一个结论、一个不懂的步骤,或一个运行结果
中断几天,忘了前文先看回顾,再重读需要的例子;不必机械从第一章开始
看懂了但不知道会不会做先预测,再对照一个小例子;需要时运行验证

🗺️ 学完这份,接下来去哪

这份教程不是孤岛,它在一个更大的地图里:

学完推荐算法后可以去哪里 推荐算法位于中间,根据读者目的分别连接到机器学习基础、数学原理、Kaggle,以及大模型与智能体工程。 推荐算法你在这里:一个完整领域的纵深想补底层机器学习基础DeepFM 的 Deep和过拟合在这里补想问为什么数学原理BPR 与正则化从哪里来想打比赛Kaggle推荐赛道在第 18–19 章想做大模型全景导论 → 智能体召回、排序、向量检索可迁移到 RAG 按你当前要解决的问题选下一站;下方的“这一章连到哪里”提供可点击入口。
从中间的“推荐算法”出发:先问自己是要补基础、理解原理、打比赛,还是把能力迁到 RAG。

💡 一个值得知道的迁移:你在这里学的东西,在大模型领域直接能用。 RAG 的召回与重排可以借用推荐系统中的部分检索思路;生成、引用与回答评估仍需要单独学习。


🔗 这一章连到哪里

去哪为什么
ML基础⭐ 没有 ML 基础的话,先去那份 —— 本教程默认你知道什么是模型、什么是过拟合
上线之后推荐系统上线之后的那一半:监控、漂移、A/B、归因
强化学习 01第 13 章探索利用、第 18 章 RL 推荐的理论出处
全景导论 16读完这份之后,用它决定下一个方向

✅ 检查点

  1. 今天时间少,可以从哪里开始?
  2. 中断后忘了上下文,怎样恢复?
  3. 暂时不能运行代码,还能做哪一步?
  4. 怎样记录一个对下次有帮助的卡点?
  5. 推荐系统的知识可以怎样帮助理解 RAG?
👀 答案
  1. 选一个结论、例子或检查点;时间是参考,不是开始资格。
  2. 先扫走神救援和上次的结果,再按需要回看例子。
  3. 先跟踪输入与输出,算一个相似度贡献或预测变化;下次运行核对。
  4. 记下已理解的步骤和还要验证的问题。
  5. 召回、排序与向量检索提供相近的检索思路;RAG 还需处理引用、上下文和生成正确性。

导读回顾

⚡ 走神救援

先记住这几件事

  • 先跑出结果,再带着问题看解释,不必等前置知识全部补齐。
  • 中断后从回顾和上次结果继续,用小段学习降低重新开始的门槛。
  • 记录卡点,先预测再对照例子;有环境时再运行验证。

现在做一件事:设 10 分钟闹钟,打开 👉 01-第一天-10分钟跑通一个推荐系统.md

需要时可以回来查路线;现在选一个小目标开始即可。

打卡记录保存在你的浏览器里,首页能看到总进度