買這商品的人也買了...
-
$403營銷數據科學：用 R 和 Python 進行預測分析的建模技術 -
$352實用機器學習 (Real-world Machine Learning) -
$356推薦系統實踐 -
$403自己動手做推薦引擎 -
$1,656Introduction to Machine Learning, 4/e (Hardcover) -
$551深度學習推薦系統 -
$250趣學 Python 遊戲編程 -
$403不等式, 2/e -
機器學習設計模式 (Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops)$680$537 -
$505深入淺出 Embedding：原理解析與應用實踐 -
$658構建企業級推薦系統：算法、工程實現與案例分析 -
$509大規模推薦系統實戰 -
$2,835Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, 3/e (Paperback) -
$403動手學推薦系統 — 基於 PyTorch 的算法實現 (微課視頻版) -
不靠框架硬功夫 - Scikit-learn 手刻機器學習每行程式碼$780$616 -
數學分析概論（巖波定本）$899$854 -
$356推薦系統 — 飛槳深度學習實戰 -
$551這就是推薦系統 — 核心技術原理與企業應用 -
$455線性代數入門 -
親手開發推薦系統 - PyTorch 全方位實作最重要演算法$780$616 -
設計機器學習系統｜迭代開發生產環境就緒的 ML 程式 (Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications)$780$616 -
$505用戶畫像：全通路畫像方法與實踐 -
$1,043貝葉斯數據分析（第2版） -
$473基於機器學習的個性化推薦算法及應用 -
$594微積分入門 修訂版
商品描述
本書是一本面向實踐的企業級推薦系統開發指南，內容包括產品設計、相關性算法、排序模型、工程架構、效果評測、系統監控等推薦系統核心部分的設計與開發，可以幫助開發者逐步構建一個完整的推薦系統，並提供了持續優化的系統性思路。本書註重從系統性和通用性的角度看待推薦系統的核心問題，希望能夠幫助讀者做到知其然，也知其所以然，更能夠舉一反三，真正掌握推薦系統的核心本質。此外，本書對於推薦系統開發中常見的問題和陷阱，以及系統構建過程，也做了重點介紹，力求讓讀者不僅知道做什麼，而且知道怎麼做。本書的目標讀者是推薦系統研發工程師、產品經理以及對推薦系統感興趣的學生和從業者。
