在数字时代，推荐系统（recommendation engine）对我们来说并不是一个陌生的概念。有一些人甚至将它类比为“旧时代的AI系统”。比起未来的人工智能，推荐系统缺少很多令人眼花缭乱的特效，比如图像识别或者语音系统。但是推荐系统依旧非常实用和强大，现在我们熟悉的各大平台都在使用这一系统。比如，Youtube的相关视频推荐，Amazon的相似商品推荐邮件，Kindle电子书店里的“你可能还喜欢这些书籍”板块，这些我们熟悉的内容都是推荐系统的“杰作”。另外，在Uber和Netflix的产品负责人尼尔·亨特（Neil Hunt）的一篇论文中，他提到说算法系统让Netflix每年省下超过10亿美元的费用。另外，80%的用户都会在“推荐列表”里观看视频。
  本课程将尝试"揭开"这些应用的神秘面纱，并简要介绍其设计所依据的关键算法思想和原则。涉及的主题包括(1)探索/开发的权衡（对于像Tiktok这样的推荐系统）；(2)匹配算法（用于像Uber这样的叫车系统）；(3)页面排名算法（由谷歌）；(4)网络算法（用于Facebook等社交网络）；(5)市场算法（用于亚马逊等数字市场）。

  招生状态：招生中
  课程时间：滚动开班
  课程形式：zoom远程直播式授课
  课时安排：学术主导师21课时+学术副导师9课时+论文主导师6课时+论文副导师21课时，为期7周