時光不迴向店鋪—美食
Python推薦算法開發，java 基於springboot 開發後臺數據接口，vue開發前端界面
SNAP視頻
經過20多年的發展，item-based已經成為推薦系統的標配，而推薦系統已經成為互聯網產品的標配。很多產品甚至在第一版就要被投資人或者創始人要求必須“個性化”，可見，推薦系統已經飛入尋常百姓家，作為推薦系統工程師的成長也要比從前更容易，要知道我剛工作時，即使跟同為研發工程師的其他人如PHP工程師（絕無黑的意思，是真的）說“我是做推薦的”，他們也一臉茫然，不知道“推薦”為什麼是一個工程師崗位。
如今縱然“大數據”， “AI”，這些詞每天360度無死角轟炸我們，讓我們很容易浮躁異常焦慮不堪，但不得不承認，這是作為推薦系統工程師的一個好時代。
推薦系統工程師和正常碼農們相比，無需把PM們扔過來的需求給像素級實現，從而堆碼成山；
和機器學習研究員相比，又無需沉迷數學推導，憋出一個漂亮自洽的模型，一統學術界的爭論；
和數據分析師相比，也不需繪製漂亮的圖表，做出酷炫的PPT能給CEO彙報，走上人生巔峰。
掌握核心原理的技能
數學：微積分，統計學，線性代數
周邊學科：信息論基礎
推薦算法： CF，LR，SVM，FM，FTRL，GBDT，RF，SVD，RBM，RNN，LSTM，RL
數據挖掘：分類，聚類，迴歸，降維，特徵選擇，模型評價
實現系統檢驗想法的技能
操作系統： Linux
編程語言： Python/R， Java/C++/C，sql，shell
RPC框架： thrift， Dubbo，gRPC
web服務： tornado, django, flask
數據存儲： redis, hbase, cassandra, mongodb, mysql, hdfs，hive, kafka, elasticsearch
機器學習/深度學習： Spark MLib，GraphLab/GraphCHI，Angel，MXNet，TensorFlow，Caffe, Xgboost，VW，libxxx
文本處理： Word2vec，Fasttext，Gensim，NLTK
矩陣分解： Spark ALS，GraphCHI，implicit，qmf，libfm
相似計算： kgraph, annoy，nmslib, GraphCHI, columnSimilarities(spark.RowMatrix)
實時計算： Spark Streaming, Storm，Samza
為效果負責的技能
熟悉常見離線效果指標：準確率，召回率，AUC，基尼係數
能夠定義產品效果指標：點擊率，留存率，轉換率，觀看完整率
會做對比試驗並分析實驗結果：指標數據可視化
知道常見推薦產品的區別： Feed流推薦，相關推薦，TopN推薦，個性化推送
其他軟技能
英文閱讀；讀頂級會議的論文、一流公司和行業前輩的經典論文和技術博客，在Quora和Stack Overflow上和人交流探討；
代碼閱讀；能閱讀開源代碼，從中學習優秀項目對經典算法的實現；
溝通表達；能夠和其他崗位的人員溝通交流，講明白所負責模塊的原理和方法，能聽懂非技術人員的要求和思維，能分別真需求和偽需求並且能達成一致。
莫非8125
我的方案是thinkphp,前端vuejs，後端用nodejs或者swoole
理由如下
人生苦短，我用php，php就不多說了
vuejs和nodejs都是js，一脈相承，學習簡單
swoole是類php語言，和php結合使用的
老歐日常
使用JS+CSS+HTML5語言。 小程序是基於微信平臺的輕量級應用，它的開發是應用微信提供的小程序前端規範，結合企業自己開發的應用後端來製作的。 小程序開發使用的語言本質上就是JS+CSS+HTML5，不過不能直接用HTML標籤，微信提供一個組件庫，沒有DOM和其他瀏覽器上的API；網絡、Canvas等也重新包裝過。 對於微信小程序而言，前端程序是唯一差異於網站建設技術的，因此，只要使用JS+CSS+HTML5讓前端程序過得了關，能夠寫前端的接口，那麼使用PHP,又或者java,以及asp.net的程序語言都是完全支持的。一般對於企業而言，都是採用php程序開發微信小程序；技術要求高一點的可以採用java程序開發。
0孤月痕0
我來回答這個問題，不少語言可以做。
java語言做推薦系統是比較好的，做好推薦系統要熟悉算法演練機器學習，分佈式技術希望能幫到你。
D調多E點
java和php語言，一個是面向後端，一個面向前端。
一根蔥
答案很簡單。
服務器用go，前端vue。
