大家好，今天给大家介绍一位朋友，大厂算法工程师 秋枫 。
秋枫计算机硕士毕业后，开始从事算法工程师的工作，并对实习和秋招 算法岗 相关经验进行了总结，如
......
可以在以下公众号点击“ 往期内容-面经 ”进行获取，
同时他总结了一些刷题经验和刷题资源，供大家一起学习，斩获offer
刷题资源可在以下公众号回复【 刷题 】获取。
他关注 机器学习，推荐系统，因果推断，以及图学习，强化学习等领域知识在推荐领域的应用 。
他对机器学习的落地应用的流程，包括数据处理，特征工程以及建模过程进行了相应的总结。
这三份总结笔记，可在以下公众号回复【 玩法 】，【 数据 】，【 特征 】和【 建模 】进行领取
秋枫主要从事推荐相关工作，因此 一方面，关注推荐相关的前沿动态，顶会的相关论文分享，带你一起读论文；另一方面，关注不同技术，如图学习，因果推断，强化学习的相关基础知识，以及它们在推荐领域的应用，包含大量干货。
ltv预测：
CIKM'24 | OptDist: 学习最优分布进行LTV预估
......
uplift建模：
腾讯 | MTMT: 促进用户增长的多干预多任务uplift模型
......
因果推断 ：
......
图神经网络 ：
WSDM'22「微信」在线推荐：图神经网络+元学习->长短期时序元学习
WSDM'24 | 港大/百度, LLMRec: 基于LLM增强的多模态图神经网络推荐
ICLR'23 LightGCL: 简单而有效的图对比学习推荐系统
......
强化学习 ：
SIGIR'21「微软」| 推荐系统：强化学习过滤负样本噪声提升点击率
CIKM'21「华为」推荐系统 | 因果推断+强化学习：反事实用户偏好模拟
......
元学习 ：
SIGIR'22「阿里」MetaCVR：元学习缓解小规模推荐中数据分布波动问题
SIGIR'21「微信」利用元网络学习冷启动商品ID Embedding
......
多任务学习 ：
推荐系统（三）：推荐系统中常见多任务模型MMOE，ESMM，CGC，AITM
RecSys'23 清华，shopee | STAN：基于用户生命周期表征的阶段自适应多任务推荐方法
CIKM'23 | DTRN: 多任务学习中的任务特定底层表征网络
......
对比学习 ：
WWW2023 | 基于用户兴趣对齐的跨域推荐算法, 利用对比学习和梯度对齐提升双域性能
......
偶尔还和大家一起看代码，学习如何实现论文中的方法：
......
更多内容可以关注「秋枫学习笔记」，一起关注前沿话题。