即将研二了，请问从头开始学习深度学习与推荐系统，还来得及吗？

代码：

推荐以下三个宝藏

TF1：Microsoft recommendation（github自己去找吧）所有代码起码运行一遍（其他平民github怕代码有问题 误导你） 看看代码 （有讲解，看不懂去知乎 google搜） 一两个月进步很快的

TF2.5+：GitHub - ZiyaoGeng/RecLearn: Recommender Learning with Tensorflow2.x ，属于个人开发的，但能有1.5kstar！模型实现都是领域内最经典的（如《深度学习推荐系统》提及模型），很适合想学TF2+而且快速上手推荐系统的萌新（因为其余几个都需要较为复杂的数据处理）。

Pytorch：RecBole推荐系统框架，这个是pytorch写的，而且回复issue很耐心准确，实现模型数量要比上面的多很多。

Pytorch：腾讯出品，缘由22年NIPS上的TenRec大规模数据集，但也把各baselines代码也都实现了，可信度高，且代码规范。

书籍：

《深度学习推荐系统》

《推荐系统实践》

这两本书实在是太干了，都可以很快看完，涉及数学并不太多，因为主要是从应用和工程上的一些考量，注重广度，如果追求深度那你就对着（上面）代码去看吧。

论文大全：

论文链接，基本涉及到了RS的方方面面了，从Survey到各领域前沿技术，另外作者也实现了一些基础模型（这个更接近于《推荐系统实践》中的传统推荐模型，比如PMF、各种SVD等，深度模型比较少了）

书配码，学着不爽嘛？切忌只看书不看代码，但最好先看书再看代码，因为你在阅读过程中会发现一些模糊的地方，比如YouTubeDNN、FM等，有太多细节书上并没有介绍完全的，此时才需要代码帮你解惑。一定要看书，不看书你无法从大局掌握模型的前因后果、创新改进。

有了上面的推荐，相信看懂代码、魔改模型，难度应该降低很多很多了。接下来如果想深入，实习做项目或者做研究发论文是成为推荐系统专家的必经之路。