Opinie czytelników
Podsumowanie:Książka została ogólnie dobrze przyjęta, szczególnie wśród początkujących w uczeniu maszynowym. Jest chwalona za przejrzystość i łatwość zrozumienia, z praktycznymi przykładami, które pomagają wzmocnić koncepcje. Niektórzy użytkownicy sugerują jednak, że informacje można łatwo znaleźć w Internecie i zauważają potencjalne bariery językowe dla osób niebędących rodzimymi użytkownikami języka.
Zalety:Łatwy do zrozumienia, praktyczne przykłady, świetny dla początkujących, jasne wyjaśnienia podstawowych pojęć, kod krok po kroku.
Wady:Informacje mogą być zbędne lub łatwe do znalezienia w Internecie, potencjalne bariery językowe dla osób niebędących rodzimymi użytkownikami języka, niektóre przykłady mogą zawierać błędy.
(na podstawie 12 opinii czytelników)
Oryginalny tytuł:
Machine Learning: Make Your Own Recommender System
Zawartość książki:
Jak stworzyć własny system rekomendacji w jedno popołudnie.
Systemy rekomendacji są jednym z najbardziej widocznych zastosowań uczenia maszynowego, a ich niesamowita zdolność do przekształcania naszych niewypowiedzianych działań w przedmioty, które lubimy, jest zarówno uzależniająca, jak i niepokojąca. Systemy rekomendacji są jednak tutaj, aby pozostać i dla każdego, kto rozpoczyna swoją podróż w nauce o danych, jest to lukratywna przestrzeń dla przyszłego zatrudnienia.
Ta książka pozwoli ci rozpocząć pracę z podstawami, a także krokami do kodowania własnego systemu rekomendacji przy użyciu Pythona. Ćwiczenia obejmują przewidywanie rekomendacji książek, odpowiednich właściwości domu do celów marketingu internetowego oraz tego, czy użytkownik kliknie kampanię reklamową. Dla kogo jest ta książka? Treść tej książki jest przeznaczona dla początkujących z pewną podstawową wiedzą z zakresu nauki o danych, w tym klasycznej statystyki i programowania komputerowego.
Jeśli jest to twoja pierwsza styczność z nauką o danych, możesz poświęcić kilka godzin na przeczytanie mojej pierwszej książki Machine Learning for Absolute Beginners, zanim zaczniesz tutaj. Tematy poruszone w tej książce: - Jak skonfigurować bezpłatne i łatwe środowisko piaskownicy za pomocą Jupyter Notebook - Jak przygotować dane do przetwarzania - Jak zakodować model filtrowania kolaboracyjnego - Jak zakodować model filtrowania oparty na treści - Jak oceniane są systemy rekomendujące - Co musisz wiedzieć o prywatności i etyce - Jak może wyglądać przyszłość systemów rekomendujących.
