推薦系統隨著產品與技術的發展，已從單純的物品推薦演變成為複雜的個性化服務，涉及深度學習、數據處理及跨平台整合等多方面技術。在演講中，我們將深入探討當前推薦系統面臨的技術挑戰，並展望未來的發展趨勢，包括如何實現更精準的個性化推薦，以及如何解決系統可擴展性的問題。

Agenda

1. Challenges in LINE Shopping

3. Mulit-Stage Recommender

4. Scaling the ML Pipeline

4. Scaling the recommendations system

1. 了解推薦系統遇到巨量資料時的挑戰

隨著電商平台的快速增長，推薦系統需要處理的數據量變得越來越龐大。包括用戶的點擊、購買行為、商品數量等。

了解隨著越來越大的數據量，將帶給 ML Pipeline 怎麼樣的挑戰。

2. 掌握系統擴展的挑戰與解決方案

當推薦系統需要擴展以處理更多用戶和數據時，系統的擴展性成為一個重要考慮因素。

了解我們如何解決電商眾多的推薦情境