買這商品的人也買了...
-
$254細說 DOM 編程
-
$403美團機器學習實踐
-
$301JavaScript 函數式編程思想
-
$352Neo4j 3.x 入門經典
-
$602JavaScript 編程思想 : 從 ES5 到 ES9
-
$648$616 -
$403智能搜索和推薦系統:原理、算法與應用
-
$594$564 -
$509Python 實現 Web UI 自動化測試實戰:Selenium 3/4 + unittest/Pytest + GitLab + Jenkins
-
$774$735 -
$305深度強化學習
-
$714$678 -
$594$564 -
$518機器學習·深度學習圖像識別從基礎到案例實戰
-
$648$616 -
$509大規模推薦系統實戰
-
$611Vue.js 技術內幕
-
$800$632 -
$505推薦系統實戰寶典
-
$449數據視覺藝術——從Excel數據可視化到Python數據可視化
-
$458Python 統計分析基礎及實踐
-
$403動手學推薦系統 — 基於 PyTorch 的算法實現 (微課視頻版)
-
$650$507 -
$820$640 -
$860$671
相關主題
商品描述
《智能推薦系統開發實戰》基於Python 3.7編寫,全書圍繞推薦模型的開發實踐,
為讀者重點介紹了各種不同類型推薦模型的開發過程及其在多種業務場景下的應用。
全書分為4篇,
第1篇簡單介紹了推薦系統的發展過程及從事推薦模型研發需要的數學知識;
第2篇重點介紹了不同類型的推薦算法在多種應用場景下的開發實踐,
包括協同過濾、矩陣分解、Logistic回歸、決策樹、集成學習、因子分解機與深度學習模型;
第3篇介紹了推薦系統的冷啟動問題及效果評估方法;
第4篇通過行業真實案例,如廣告點擊率預測、金融產品精準營銷、音樂推薦、
基於客戶生命週期的推薦等,深入淺出、循序漸進地介紹了推薦模型開發的全過程。
《智能推薦系統開發實戰》內容精練、案例豐富,實踐性極強,可快速學習並上手實踐,
值得一讀,特別適合在企業中從事推薦模型開發、數據分析挖掘、機器學習研發等工作的人員使用,
同樣適合想從事數據挖掘工作的各大中專院校的學生與教師,以及其他對推薦系統領域有興趣的各類人員使用。