Praktyczne systemy rekomendacji z Pythonem

Opinie czytelników

Książka na temat systemów rekomendacji zebrała mieszane recenzje, z których wiele chwali jej dostępność dla początkujących i praktyczne przykłady kodowania, podczas gdy inni krytykują jej organizację, głębokość i niektóre aspekty techniczne.

Książka jest łatwa do zrozumienia, metodycznie skonstruowana i zawiera praktyczne przykłady kodowania oraz rzeczywiste scenariusze. Jest korzystna dla początkujących i zawiera pomocne zasoby, takie jak filmy i linki do pobierania kodu. Wielu recenzentów docenia zwięzłe wyjaśnienia i dostępność kodu na GitHub.

Krytycy zwracają uwagę na brak organizacji, a rozdziały wydają się chaotyczne. Niektórzy uważają, że brakuje jej głębi, szczególnie w zaawansowanych tematach, takich jak faktoryzacja macierzy i głębokie uczenie. Linki w książce są zgłaszane jako uszkodzone, a ogólna jakość kodu jest uważana za podstawową. Książka może nie być odpowiednia dla osób z wcześniejszym doświadczeniem w nauce o danych.

(na podstawie 11 opinii czytelników)

Oryginalny tytuł:

Hands-On Recommendation Systems with Python

Zawartość książki:

Dzięki Hands-On Recommendation Systems with Python poznasz narzędzia i techniki wymagane do tworzenia różnego rodzaju potężnych systemów rekomendacji (opartych na współpracy, wiedzy i treści) oraz wdrażania ich w sieci Systemy rekomendacji są obecnie sercem niemal każdego biznesu internetowego; od Facebooka, przez Netflix, po Amazon. Dostarczanie dobrych rekomendacji, niezależnie od tego, czy chodzi o znajomych, filmy czy artykuły spożywcze, znacznie przyczynia się do definiowania doświadczenia użytkownika i zachęcania klientów do korzystania z platformy.

Ta książka pokazuje, jak to zrobić. Dowiesz się o różnych rodzajach rekomendatorów używanych w branży i zobaczysz, jak zbudować je od podstaw za pomocą Pythona. Nie musisz przedzierać się przez tony teorii uczenia maszynowego - zaczniesz budować i uczyć się o rekomendatorach tak szybko, jak to możliwe.

W tej książce zbudujesz klon IMDB Top 250, silnika opartego na treści, który działa na metadanych filmów. Użyjesz filtrów kolaboracyjnych, aby wykorzystać dane o zachowaniu klientów, a także hybrydowego rekomendatora, który zawiera techniki oparte na treści i filtrowaniu kolaboracyjnym.

Dzięki tej książce wszystko, czego potrzebujesz, aby rozpocząć tworzenie systemów rekomendacji, to znajomość języka Python, a zanim skończysz, będziesz doskonale rozumiał, jak działają rekomendatory i będziesz w stanie zastosować techniki, których się nauczysz, w swoich własnych domenach problemowych. Jeśli jesteś programistą Pythona i chcesz tworzyć aplikacje dla sieci społecznościowych, personalizacji wiadomości lub inteligentnych reklam, ta książka jest dla Ciebie.

Podstawowa znajomość technik uczenia maszynowego będzie pomocna, ale nie obowiązkowa.