【雷火UX×华科】《大数据与推荐算法》第6课：深度学习模型游戏实践

2022年11月19日上午，雷火UX用户体验中心数据挖掘部的顺天和jasonoo，为华中科技大学计算机学院课程《大数据与推荐算法通识》做主题为“深度学习模型游戏实践”的讲授。当天的课程主要分为四个部分：深度学习基础浅析、推荐场景常用的深度模型、多任务学习深度模型、多任务游戏实践。公众号为大家进行整理分享。

深度学习基础浅析

课程伊始，授课老师以一个最基础的浅层神经网络为例，讲解了深度学习的前向传播机制，同时以一副直观的梯度下降三维图展示了反向传播的运行机理。紧接着还向大家介绍了tensorflow playgroud这个深度学习体验网站，在上面可以实现低代码的构建神经网络，直观地进行深度学习实践和探索。

推荐场景常用的深度模型

本节为同学们讲解了推荐流程召回和排序中常用的深度模型，以及双塔召回的意义，同时介绍了其他几个深度学习的基本原理。最后，老师以一个具体的游戏内部时装推荐场景，介绍了DIN模型在游戏场景中的具体实践。

多任务学习深度模型

在越来越多的推荐场景中，我们已经不再仅仅考虑单一排序指标的推荐需求，更多考虑玩家点击后的消费深度，以及玩家多种行为偏好带来的生态方面的收益。本节中老师为同学们介绍了多任务学习的三类主要范式，第一类是以ESMM为代表的建模任务间显式依赖关系的多任务模型，第二类是以Shared Bottom为代表的建模任务间隐式关联关系的硬参数共享模型，第三类是以MMOE，PLE为代表的隐式关联的软参数共享模型。通过通俗易懂的讲解，同学们对其概念和应用有了更深入的了解。

多任务游戏实践

针对游戏内推荐和信息流推荐，电商搜索推荐的区别，我们需要针对多任务深度模型进行本地化改造。例如针对道具推荐中的长尾现象，以改善游戏内生态以及提高道具消费的多样性，老师为同学们介绍了在MMOE基础上加入个性化偏置项的方法来缓解长尾问题。

小结

通过本节课程的讲授，同学们对深度学习的概念及其在游戏推荐场景中的具体实践有了更深入的理解，有利于同学们把握该领域创新实践方向。上课过程中同学们踊跃提出问题并积极展开讨论，气氛十分活跃，授课效果也得到了同学们的认可。

【雷火UX × 华中科技大学】

雷火UX与华中科技大学计算机学院《大数据与推荐算法》课程安排：

第1课（10月15日）大数据概述与推荐算法通识

第2课（10月22日）分布式运算与数据集群

第3课（10月29日）离线与实时计算技术

第4课（11月05日）大数据下构建游戏玩家画像

第5课（11月12日）传统机器学习模型游戏实践

第6课（11月19日）深度学习模型游戏实践

第7课（11月26日）策略与算法服务

第8课（12月03日）大数据与推荐算法大作业

雷火UX与华中科技大学合作课程——《大数据与推荐算法》于2022年10月15日正式开课。该系列课程专为华中科技大学计算机学院设立，由网易雷火UX数据挖掘部优秀讲师团队进行讲授，共分为8次进行，旨在帮助激发同学们对大数据及推荐算法的探索和学习兴趣。课程信息发布后，华科计算机学院学生报名十分热情，最终共有120名研究生和本科生报名了本次课程。

通过该系列课程，网易雷火UX的讲师团队将带领同学们体验和学习企业大数据及算法应用开发场景，并结合雷火UX的实际业务案例让同学们更深入地理解大数据生态以及个性化推荐算法的价值，进而帮助同学们提升大数据及算法方面的专业能力，实现职业能力的早期拓展和准备。