一、音乐推荐
1、传统的方式：基于suprise 协同过滤（各种版本）、SVD、矩阵分解
2、基于word2vec，用每个歌单中的song_id，作为一个样本，训练song2vec向量，进而求取相似歌曲，
用户兴趣推荐，根据用户喜欢的歌曲，将时间轴权重，歌曲热度权重叠加到song2vec相似歌曲的相似度上加权，之后排序，进而推荐
3、tensorlow实现矩阵分解推荐系统
4、spark实现batch数据的协同过滤推荐
5、spark实现基于ALS的推荐系统
二、金融反欺诈检测
三、电商点击转化率
