Applied Recommender Systems with Python: Tworzenie systemów rekomendacji z wykorzystaniem głębokiego uczenia, Nlp i technik opartych na grafach

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 3 głosach.

Oryginalny tytuł:

Applied Recommender Systems with Python: Build Recommender Systems with Deep Learning, Nlp and Graph-Based Techniques

Zawartość książki:

Ta książka nauczy Cię, jak budować systemy rekomendacji z algorytmami uczenia maszynowego przy użyciu Pythona. Systemy rekomendacji stały się dziś istotną częścią każdego biznesu internetowego.

Zaczniesz od poznania podstawowych koncepcji systemów rekomendacji, z przeglądem różnych typów silników rekomendujących i sposobu ich działania. Następnie zobaczysz, jak budować systemy rekomendujące za pomocą tradycyjnych algorytmów, takich jak analiza koszyka rynkowego oraz systemy rekomendujące oparte na treści i wiedzy z NLP. Następnie autorzy demonstrują techniki takie jak filtrowanie kolaboracyjne z wykorzystaniem faktoryzacji macierzy oraz hybrydowe systemy rekomendujące, które zawierają zarówno techniki oparte na treści, jak i filtrowaniu kolaboracyjnym. Po tym następuje samouczek dotyczący tworzenia systemów rekomendacji opartych na uczeniu maszynowym przy użyciu algorytmów grupowania i klasyfikacji, takich jak K-średnich i losowy las. Ostatnie rozdziały obejmują NLP, głębokie uczenie się i techniki oparte na grafach w celu zbudowania silnika rekomendacji. Każdy rozdział obejmuje przygotowanie danych, wiele sposobów oceny i optymalizacji systemów rekomendacji, przykłady pomocnicze i ilustracje.

Pod koniec tej książki zrozumiesz i będziesz w stanie budować systemy rekomendacji za pomocą różnych narzędzi i technik z wykorzystaniem uczenia maszynowego, głębokiego uczenia i algorytmów opartych na grafach.

Czego się nauczysz

⬤ Zrozumieć i wdrożyć różne techniki systemów rekomendacji w Pythonie.

⬤ Stosować popularne metody, takie jak filtrowanie oparte na treści i wiedzy, filtrowanie oparte na współpracy, analiza koszyka rynkowego i faktoryzacja macierzy.

⬤ Budowanie hybrydowych systemów rekomendacji, które zawierają zarówno filtrowanie oparte na treści, jak i na współpracy.

⬤ Wykorzystanie uczenia maszynowego, NLP i głębokiego uczenia do tworzenia systemów rekomendacji.

Dla kogo jest ta książkaNaukowcy zajmujący się danymi, inżynierowie uczenia maszynowego i programiści Pythona zainteresowani budowaniem i wdrażaniem systemów rekomendacji w celu rozwiązywania problemów.