工业界的实用化推荐系统一般分为召回和排序环节，而排序环节是其中技术较为复杂的部分。随着技术的发展，除了常见的LR/FM等传统模型，深度学习排序模型比如 Wide&Deep 模型、DeepFM 模型等各种新型模型也逐步落地到各个公司的实际业务中，并产生了较好的应用效果。

但是，目前的深度学习排序模型还是主要基于算法工程师手工设计模型的模式，这本身仍然具有很大的局限性。AutoML 作为自动进行模型探寻的技术方案，目前在图像以及自然语言处理领域已经取得较大的成效，但是在推荐系统以及 CTR 预估领域里，AutoML 如何应用并自动找到比手工设计更好的模型？这个问题还是一个具备挑战的新兴探索方向。本次分享，我们会介绍新浪微博利用 AutoML 技术方案来自动搜寻排序模型的探索和相关的经验性的结论。

内容大纲

1. 推荐系统简介;
2. 推荐系统常用排序模型介绍；
3. AutoML 技术介绍；
4. AutoML 如何应用在推荐系统的排序模型搜索中;
5. 一些经验性的结论。

听众收益

1. 可以掌握推荐系统技术前沿进展；
2. 可以了解 AutoML 技术的主流方法；
3. 可以掌握 AutoML 在排序模型的应用及其效果。