这是一部从工程实践角度讲解互联网广告系统的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作，是作者在Google和腾讯从事广告系统架构设计与工程实现的10余年经验总结。
通过本书，你将掌握以下内容：
（1）互联网广告的生态和产品形态
首先介绍了谷歌、Meta、亚马逊、微软等主要在线广告平台；然后介绍了主要在线广告网络和程序化购买生态；蕞后介绍了在线广告产品形态，包括在线广告的投递方式和计费方式。主要目的是帮助读者建立对互联网广告生态的宏观认知。
（2）广告投放系统的架构与设计
结合Facebook Marketing、Google Ads、Twitter Ads等广告平台讲解了广告投放系统，主要内容包括广告的层级结构、三个广告平台API的特点及用法演示，以及API的基本设计原则和设计方法论。读者可以从本章中学到现代广告系统投放子系统的设计思想。
（3）广告系统的设计方法论
互联网广告系统的规模往往比较大，详细介绍了以分布式系统为代表的大规模网络系统的架构设计方法论，为读者设计广告系统打下基础。
（4）广告系统的工程架构
详细讲解了广告播放系统的架构设计、广告系统的数据架构设计、广告系统中的A/B测试等。
（5）广告策略系统的架构设计
首先介绍了广告竞价原理和广告策略系统设计；然后讲解了广告系统预估子系统，包括预估模型数据处理、常用的模型评价方法与指标、常用的模型训练方法，以及新广告点击率预估和转化率预估。
本书系统阐述了互联网广告系统设计的方方面面，对广告系统、推荐系统、大数据系统的建设具有很高的参考价值。

腾讯广告前技术总监兼引擎总架构师撰写，腾讯广告前副总裁作序推荐
融合作者在谷歌和腾讯的10余年广告工作经验，全面讲解互联网广告系统的
架构、技术选型、落地方法论、实施路径和行业案例

计算机\人工智能

本书作者是腾讯广告引擎的主要设计和开发负责人，主导了检索系统、海量数据分析系统、深度学习系统等的开发，这些系统支撑了腾讯广告十年的快速发展。其间，腾讯广告的年收入规模从数亿元增长到数千亿元。本书系统地介绍了互联网广告系统，覆盖架构和算法设计，主要内容包括深度学习系统技术、检索系统、分布式网络服务、大数据处理等，是一个面向广告技术从业人员的实用而全面的指南。
——林世飞　 腾讯广告技术总监

一个能承接百亿级海量请求的广告系统是如何在工程实践中被有效构建出来的？这本书给出了细致的指引。我和本书作者在腾讯社交广告系统从0到1的搭建过程中合作多年，非常佩服作为架构师的他在系统架构上的深厚功底，同样欣赏他身先士卒、冲在一线写代码的精神。相信这本书能为广告系统的一线工程师带来很大帮助。
——靳志辉　 火光摇曳教育科技CEO

溪柳是我在谷歌工作时的老同事，也是多年的好友。在我近20年的工作生涯里，我遇到过各种各样的牛人，有算法的，有工程的，还有理论的，而在这些人当中，溪柳是少数善于将算法应用于实践的大师。而且，溪柳在他所涉足的领域总能做到既有广度，又有深度。本书就是对上述评价的鲜活证明。在本书中，溪柳由浅入深地讲述了当前在线广告的方方面面，从互联网广告的生态现状到广告模型算法，从广告投放到广告效果测试，从分布式云计算架构到广告系统架构，从广告系统数据架构到竞价策略。相信在线广告系统的从业人员和爱好者都能从本书中获益。
——刘超　 camect.com CTO&联合创始人

唐溪柳 著：唐溪柳
资深广告技术专家和软件架构专家，先后就职于Google和腾讯，曾担任腾讯广告技术总监（T13专家工程师）、腾讯广告引擎总架构师。主导了腾讯广告检索系统、海量数据分析系统、深度学习系统的架构设计与开发工作，以及腾讯社交广告系统从0到1的搭建，现为汇量科技资深架构师。
从事软件架构工作20余年，经历过各种项目，从小型Web服务到大型企业应用程序。专注于深度学习系统技术、检索系统、分布式网络服务、语言模型、大数据处理等方向，对编码、设计原则、数据库和软件架构等概念有深刻理解。工作目标是创建健壮、安全和可扩展的软件系统，热衷于开发解决复杂问题并帮助组织实现目标的创新解决方案。
在领导开发团队、管理资源以及与其他团队协作方面经验丰富，是一个优秀的沟通者，善于向非技术人员解释复杂的技术概念。对细节有敏锐的洞察力，能够在潜在风险和问题出现之前识别它们。

《深度学习与广告系统》目录
前言
为何写作本书
本书读者对象
本书主要内容
资源和勘误
致谢

第一部分 广告系统架构与设计
第1章 互联网广告生态
1.1 按场景分
1.1.1 搜索广告
1.1.2 情景广告
1.1.3 展示广告
1.1.4 精准广告
1.1.5 信息流广告
1.2 按付费类型
1.2.1 合约
1.2.2 CPM
1.2.3 CPC
1.2.4 CPS
1.2.5 oCPA/oCPC/oCPM


第2章 广告系统投放架构设计
2.1 广告投放与微服务
2.2 API设计
2.3 数据库设计
2.4 存储系统

第3章 广告系统播放架构设计
3.1基础网络服务架构设计
3.1.1云架构，名字服务、文件系统、KV存储与调度
3.1.2负载均衡
3.1.3监控与告警系统
3.1.4网络服务接口规范，Restful、Graphql与RPC
3.1.5文件分发，P2P或分布式文件系统
3.2数据流架构设计
3.3检索技术
3.3.1文本检索
3.3.2布尔检索
3.3.3近邻检索
3.4数据回流与数据处理
3.5本章小结
第4章 实验系统A/B test
4.1实验系统理论基础
4.1.1概率、频率与贝叶斯
4.1.2辛普森悖论
4.1.3样本容量与显著性
4.1.4流量管理模型与流量抽样
4.2实验系统指标
4.3实验系统设计原理与实现
4.4信息管理系统
4.5在线服务
4.6效果评估
4.7广告端实验


第5章 广告系统数据架构设计
5.1广告定向
5.2人群定向
5.3号码包定向
5.4地理位置定向
5.2再营销与重定向
5.3 DMP数据管理平台
5.3.1 DMP与广告系统
5.3.2 DMP与数据提供方
第6章 广告系统策略算法
6.1 广告竞价
6.1.1 广告竞价理论基础、Nash均衡
6.1.1 GSP竞价
6.1.2 VCG竞价
6.2 广告粗排
6.3 广告精排
6.4新广告训练
6.5 Pacing与播放控制
6.6 用户新鲜度策略
第二部分 深度学习系统架构与设计
第7章：机器学习与深度学习基本概念
7.1 机器学习概述与深度学习的兴起
7.2 深度学习的基本原理
7.3 多层感知机
7.4 卷积网络
7.5 循环网络
7.6 注意力机制
7.7 生成对抗网络
7.8 强化学习

第8章 推荐系统与深度学习
8.1 推荐系统的应用场景与优化目标
8.3 逻辑回归与Factorization Machine
8.4 Word2Vec与负采样
8.5 Wide&Deep
8.6 注意力机制
第9章 广告系统与深度学习
9.1 广告系统的应用场景与优化目标
9.2 预估技术
9.2.1预估的基本原理
9.2.2 预估与排序
9.2.3 CTR预估
9.2.4 CVR预估
9.3 新广告学习与多臂老虎机问题

第10章 深度学习系统架构设计
10.1数据与特征工程
10.2算力与训练平台
10.2.1特征嵌入
10.2.2双塔模型
10.3 在线推理平台

第三部分 广告系统产品设计与深度学习技术应用
第11章 动态广告产品
11.1 产品设计
11.2 系统架构
11.3 产品策略

第12章 oCPA/oCPC/oCPM广告产品
11.1 产品设计
11.1.1 Facebook
11.1.2 Google
11.1.3 Tencent
11.1.4 Bytedance
11.2 技术架构
11.3 产品策略
11.3.1 oCP*广告产品与调价技术
11.3.2 PID调价
11.3.3 强化学习调价

第13章自动定向广告产品
13.1 产品设计
13.2 系统架构
13.3 产品策略

第14章LookALike广告产品
14.1 产品设计
14.2 系统架构
14.3 产品策略
第15章 合约广告
15.1 合约广告简介
15.2 询量与锁量
15.2.1二部图与OLAP
15.2.2预估未来的序列
15.3 合约广告系统与竞价广告系统的混合竞价