随着智能手机的普及以及 4G/5G 网络的发展，人们可以随时随地在网上冲浪，同时也不断地在网上生产更多的内容。爆炸式的信息增长和爆炸式的用户增长，二者之间如何实现更好的匹配？就需要一种更加智能的方式，“猜你喜欢”，也就是推荐系统。
推荐系统，本质上是一个过滤系统，通过算法模型将海量的信息进行逐步过滤，为用户在特定场景呈现 TA 最可能喜欢的内容。构建一个推荐系统并不容易！由于涉及大量数据处理，例如特征提取转换、离线模型训练、模型评估、实时模型更新等等，一个推荐系统从实验到最终生成可用，环节较多，周期数月甚至更长!
基于亚马逊云科技，可轻松构建推荐系统，在极大降低前期开发成本及运维成本的前提下，实现快速交付与运维。
本期，我们就为大家介绍一下什么是推荐系统、构建推荐系统的基本方法以及 Amazon Personalize 和 Amazon SageMaker 如何加速推荐系统的构建。赶紧看过来吧~
推荐系统基础介绍
简介
随着信息技术的发展，如今互联网已经成为了人们日常生活中密不可分的一部分。人们每天都会在互联网上进行各种各样的活动例如看电影、购物、阅读新闻时事等。但随着信息越来越多，人们发现越来越难以从海量信息中找出最适合自己的那些，例如当你登录视频网站想要看一部电影放松时却不知道哪一部符合自己的口味，或者登录购物网站后，面对琳琅满目的服装，陷入选择困难症而无法自拔。
应用场景
● 让用户更简单的获取他想看到的内容、商品、服务
● 根据用户的需求、偏好、行为，实时响应，帮助用户解决问题
讲师介绍
宋
孜
攀
推荐阅读
Tech Camp | 如何使用 Amazon SageMaker 构建图像识别平台
Tech Camp | 基于 Amazon SageMaker 的企业图像识别机器学习平台架构与实践
Tech Camp | 如何使用 Amazon Rekognition 进行图像识别
