系列文章
[Day 1] 前言 - 動心起念和文章主題介紹
本系列文已於 2023 年底出版 🥳🥳🥳 歡迎大家多多支持 🙇🏻♀️🙇🏻♀️🙇🏻♀️https://www.tenlong.com.tw/product...
[Day 2] Facebook 如何排序推薦內容（上）- 使用者調查
一個風和日麗的上午，Skylar 慵懶地躺在沙發上，滑著 Facebook，漫不經心地瀏覽動態。他看到 Toby 更新自己的衝浪影片、Wade 和自己的狗狗的自...
[Day 3] Facebook 如何排序推薦內容（下）- Feed Aggregator
回憶昨天的介紹，推薦系統分為兩個階段：candidate generation 和 candidate selection，以下按照這兩個步驟依序介紹。 Can...
[Day 4] Instagram 如何產出要讓用戶探索（Explore）的內容？（上）
今天又是美好的一天，Skylar 一如往常地躺在沙發上，滑著手機。但是，他有點看膩了追蹤帳號的內容，他跳到 explore 頁面，想看看有沒有什麼新的帳號和內容...
[Day 5] Instagram 如何產出要讓用戶探索（Explore）的內容？（下）
在前一天的內容中，我們介紹 Instagram 為了推薦用戶其他公眾帳號，設計三個工具以節省運算資源、快速找到相似帳號。此三工具分別為：IGQL、account...
[Day 6] Instagram 藉由 Suggested Post，讓用戶「Feels Like Home」
Skylar 一如往常地在滑著 Instagram 時，突然發現在首頁，除了他原本追蹤的帳號以外，也多了一些貼文來自他沒有追蹤的帳號，那些貼文的左上角都寫著「S...
[Day 7] Netflix（一）- 為什麼我看到的和你的不同？你被 A/B Testing 了嗎？
今天是颱風天，Skylar 無處可去，只好懶散地躺在沙發上（他哪天不是呢？），遙控器轉來轉去，都沒有自己想要看的節目。他嘆了口氣，將畫面切到 Netflix，決...
[Day 8] Netflix（二）- 如何判讀 A/B testing 的結果？淺談 False Positive
在昨天的文章中，我們介紹 Netflix 在測試新功能「顯示Top 10 的節目排名」頁面時，使用 A/B testing。在搜集完資料後，資料科學家要如何判斷...
[Day 9] Netflix（三）- 如何判讀 A/B testing 的結果？淺談 False Negative
在昨天的文章中，我們執行了一個抽球的想像實驗，讓我們來回憶一下 在不知道箱子中黑白球數量的情況下，藉由抽球實驗想要確定兩球之數量： (1) 虛無假設（null...
[Day 10] 做一個 A/B testing 要如何部署各種版本的 app？以 Uber 為例
經過統計的疲勞轟炸，今天來聊一點輕鬆的內容吧。 Netflix 是一間勇於嘗試、大膽做實驗的公司，無論是廣告、付款方式、給客戶的訊息（例如 email）、聲音及...