在這個資訊爆炸的時代，要如何從茫茫的資料海中，找出自己想要的資料已經不是很困難的事情。只要在 Google 輸入對的關鍵字，就會有成千上萬的資料跑出來。
但是試想我們在逛街買衣服的過程，一開始我們可能並不能描述想要買的衣服的樣子，而是會走走看看，看到了喜歡的款式再購買。
在購物網站上買東西，可能也是類似的過程。
雖然購物網站通常都有分類、搜尋系統，可以讓使用者依照分類慢慢地過濾，進而找到理想商品，但是這個過程還是太花費心力了。
如果有個工具，能將你最可能想要找的東西直接擺在你眼前，不僅對消費者而言非常方便，節省了找東西的時間，對購物網站商品的銷售也非常有幫助。
另外有時候，我們根本就還沒有目標，就只是想逛逛，看看有沒有新奇有趣的東西。
就像在 YouTube 上有各式各樣多到數不清的影片，我們或許根本不知道自己喜歡什麼樣的類型，很可能都是在亂逛的過程中，才發現某個新奇的影片。
這就是推薦系統的力量，幫助使用者找到喜歡的東西，甚至發覺自己未曾察覺自己喜歡的東西。

接下來會我會先簡單介紹推薦系統，像是推薦系統的分類與宏觀架構及概念。
再來是分別介紹兩種推薦系統大分類，比較一下它們的優缺點。
再來我會慢慢地介紹推薦系統的各個組件，一一介紹目前主流的方法選擇，嘗試做出一個簡單的推薦系統！

其實這一系列可能會有點像是我讀 Recommender Systems Handbook [1] 這本書的心得，我會盡量把大概念拿出來講。
其中會遇到一些數學，我會稍微介紹一下，不過因為我自己的數學也很爛，應該不會花太多時間，盡量以簡單一點的方式講解，再搭配範例。
如果需要寫程式的話，我會使用 Python，但是不會很詳細地介紹各種套件的安裝與使用。
接下來 29 天請大家敬請期待並不吝指教！

註 1. Recommender Systems Handbook