# 深度学习推荐系统 面试素材拆解

这是一份面向 AI PM、推荐系统产品和算法工程师面试的复习卡片库。当前版本按推荐系统链路做第一轮拆解，保留概念、答题框架、追问和项目映射，不保存原书正文。

## 第一轮抽取策略

- 按推荐系统链路组织：增长目标、架构、传统模型、深度模型、Embedding、召回排序、实时工程、评估、业界案例。
- 对模型细节保留“为什么出现、解决什么问题、局限是什么、如何落地”。
- 每张卡都补 AI PM 迁移，方便衔接 RAG、个性化 AI、Agent 工具选择和 AI eval。

## 复习顺序

1. 先读 P0 卡：推荐系统面试和 AI PM 迁移最常用。
2. 再读 P1 卡：补模型谱系和工程细节。
3. 每个主题都准备一个产品或项目例子。

## P0 卡片
- [01. 推荐系统为什么是增长引擎](./01-推荐系统为什么是增长引擎.md) - 第1章 互联网的增长引擎
- [02. 推荐系统逻辑架构](./02-推荐系统逻辑架构.md) - 第1章 互联网的增长引擎
- [03. 协同过滤 UserCF 与 ItemCF](./03-协同过滤-usercf-与-itemcf.md) - 第2章 前深度学习时代
- [04. 矩阵分解](./04-矩阵分解.md) - 第2章 前深度学习时代
- [05. 逻辑回归推荐模型](./05-逻辑回归推荐模型.md) - 第2章 前深度学习时代
- [06. FM 与 FFM 特征交叉](./06-fm-与-ffm-特征交叉.md) - 第2章 前深度学习时代
- [07. GBDT+LR](./07-gbdt+lr.md) - 第2章 前深度学习时代
- [09. 深度推荐模型演进图](./09-深度推荐模型演进图.md) - 第3章 深度学习在推荐系统中的应用
- [14. Wide&Deep](./14-wideanddeep.md) - 第3章 深度学习在推荐系统中的应用
- [15. FNN DeepFM NFM](./15-fnn-deepfm-nfm.md) - 第3章 深度学习在推荐系统中的应用
- [16. 注意力机制与 DIN](./16-注意力机制与-din.md) - 第3章 深度学习在推荐系统中的应用
- [17. DIEN 与用户兴趣演化](./17-dien-与用户兴趣演化.md) - 第3章 深度学习在推荐系统中的应用
- [18. 强化学习推荐](./18-强化学习推荐.md) - 第3章 深度学习在推荐系统中的应用
- [19. Embedding 是深度推荐核心操作](./19-embedding-是深度推荐核心操作.md) - 第4章 Embedding 技术
- [20. Word2vec 与 Item2vec](./20-word2vec-与-item2vec.md) - 第4章 Embedding 技术
- [21. Graph Embedding](./21-graph-embedding.md) - 第4章 Embedding 技术
- [22. Embedding 召回与近邻搜索](./22-embedding-召回与近邻搜索.md) - 第4章 Embedding 技术
- [23. 推荐系统特征工程](./23-推荐系统特征工程.md) - 第5章 多角度审视推荐系统
- [24. 召回层与多路召回](./24-召回层与多路召回.md) - 第5章 多角度审视推荐系统
- [25. 推荐系统实时性](./25-推荐系统实时性.md) - 第5章 多角度审视推荐系统
- [26. 优化目标设定](./26-优化目标设定.md) - 第5章 多角度审视推荐系统
- [27. 没有推荐银弹](./27-没有推荐银弹.md) - 第5章 多角度审视推荐系统
- [28. 冷启动](./28-冷启动.md) - 第5章 多角度审视推荐系统
- [29. 探索与利用](./29-探索与利用.md) - 第5章 多角度审视推荐系统
- [30. 推荐系统数据流](./30-推荐系统数据流.md) - 第6章 工程实现
- [32. 推荐模型上线部署](./32-推荐模型上线部署.md) - 第6章 工程实现
- [33. 工程与理论的权衡](./33-工程与理论的权衡.md) - 第6章 工程实现
- [34. 离线评估指标](./34-离线评估指标.md) - 第7章 推荐系统评估
- [36. A/B 测试与线上指标](./36-ab-测试与线上指标.md) - 第7章 推荐系统评估
- [39. Airbnb Embedding 实时搜索推荐](./39-airbnb-embedding-实时搜索推荐.md) - 第8章 前沿实践
- [40. YouTube 双阶段推荐](./40-youtube-双阶段推荐.md) - 第8章 前沿实践
- [41. 阿里巴巴推荐模型演进](./41-阿里巴巴推荐模型演进.md) - 第8章 前沿实践
- [42. 推荐工程师的四项能力](./42-推荐工程师的四项能力.md) - 第9章 知识框架
- [43. 推荐系统面试系统设计框架](./43-推荐系统面试系统设计框架.md) - 全书综合
- [44. 推荐系统对 AI PM 的价值](./44-推荐系统对-ai-pm-的价值.md) - 全书综合
## P1 卡片
- [08. LS-PLM 与分片建模](./08-ls-plm-与分片建模.md) - 第2章 前深度学习时代
- [10. AutoRec](./10-autorec.md) - 第3章 深度学习在推荐系统中的应用
- [11. Deep Crossing](./11-deep-crossing.md) - 第3章 深度学习在推荐系统中的应用
- [12. NeuralCF](./12-neuralcf.md) - 第3章 深度学习在推荐系统中的应用
- [13. PNN Product Layer](./13-pnn-product-layer.md) - 第3章 深度学习在推荐系统中的应用
- [31. 离线训练与分布式训练](./31-离线训练与分布式训练.md) - 第6章 工程实现
- [35. Replay 动态离线评估](./35-replay-动态离线评估.md) - 第7章 推荐系统评估
- [37. Interleaving 快速线上评估](./37-interleaving-快速线上评估.md) - 第7章 推荐系统评估
- [38. Facebook DLRM 与 GBDT+LR](./38-facebook-dlrm-与-gbdt+lr.md) - 第8章 前沿实践