63个 Notebook 章节
4条学习路线
EN / 中文中英文配套阅读
56份原始讲义入口
选择一条路线
按知识之间的联系学习。
需要补基础？先从 31–34 章开始。
00公用基础
从共同的基础开始。
从张量、梯度、优化到可信评估，为三个领域建立共同语言。
张量 → 梯度 → 优化 → 评估
4 章查看学习路线 →
01搜索
从用户问题到有用的结果。
理解用户查询，把文档召回、相关性判断和排序连成完整路线。
需求 → 查询 → 召回 → 相关性 → 排序
19 章查看学习路线 →
02广告
理解市场，也理解模型。
先理解产品和市场，再研究响应预测、分配、竞价与反馈。
产品 → 预测 → 拍卖 → 投放 → 反馈
23 章查看学习路线 →
03推荐
从行为信号到推荐候选。
从用户行为出发，学习候选召回、序列、特征交叉、排序与评估。
数据 → 召回 → 交叉 → 序列 → 评估
17 章查看学习路线 →
构造机制
小规模输入让张量、梯度、损失和决策过程可以检查。
真实数据实验
公开日志与基准数据，明确划分、指标和限制。
独立模拟
研究拍卖和投放机制，不将模拟收入当作真实业务收益。
在线阅读，本地实验。
准备好改一个变量了吗？
这里提供课程正文、代码和保存的输出。clone 同一个 Lab 后，可编辑 Notebook、训练模型并使用交互工作台。
最小安装仅准备锁定环境和 Notebook 内核。真实数据实验还需按领域准备数据与模型。完整环境在 Apple Silicon macOS 上验收，平台要求见安装指南。
安装指南与领域准备要求在你的终端执行
git clone https://github.com/lynnlee1229/search-recommendation-ads-lab.git
cd search-recommendation-ads-lab
./setup.sh --minimal
./lab.sh up打开 Lab 输出的本机地址。浏览本网站不会启动训练。
让下一位学习者更容易理解。
发现解释不清、来源失效，或者有更好的实验？提交可复现的问题，或贡献一个聚焦的改进。