Python推荐系统实战:基于深度学习、NLP和图算法的应用型推荐系统

作者: [印]阿克谢·库尔卡尼(Akshay Kulkarni),阿达沙·希瓦南达(Adarsha Shivananda),安努什·库尔卡尼(Anoosh Kulkarni),V.阿迪西亚·克里希南(V.Adithya Krishnan)著;欧拉 译

出版社: 清华大学出版社

出版日期: 2024-05-01

电子书 暂不销售 定价:99.0
  • 收藏

  • 加书架

  • 引用

简介

《Python推荐系统实战:基于深度学习、NLP和图算法的应用型推荐系统》分为4部分,包含11章。首先介绍推荐系统的基本方法,接着探讨当前流行的一些方法,具体包括协同过滤推荐系统、内容推荐系统以及混合推荐系统。接下来讨论如何运用当前的机器学习算法来实现推荐系统。最后讨论推荐系统的相关趋势和新兴技术。 《Python推荐系统实战:基于深度学习、NLP和图算法的应用型推荐系统》特别适合零基础的数据科学工作者参考和使用。它可以帮助读者从基础知识起步,逐步学习运用Python、深度学习和自然语言处理技术来构建推荐系统,以促进业务增长和提高客户忠诚度。

编辑推荐

《Python推荐系统实战:基于深度学习、NLP和图算法的应用型推荐系统》从基本方法、流行方法、先进方法及新技术四个层面来介绍如何自己动手构建推荐系统。通过本书的学习,读者可以掌握推荐系统的基本概念,了解不同类型的推荐引擎及其功能,学会使用传统算法来构建推荐系统和混合推荐系统,使用聚类和分类算法来构建基于机器学习的推荐系统。《Python推荐系统实战:基于深度学习、NLP和图算法的应用型推荐系统》可引导读者运用自然语言处理、深度学习和知识图谱来实现推荐系统,从而实现业务的增长。 特色主题: 使用Python来理解和实现不同的推荐系统 掌握协同过滤、超市购物车分析和矩阵分解等 构建基于内容和协同过滤的混合推荐系统 运用机器学习、NLP和深度学习来构建推荐系统

更多出版物信息
  • 版权: 清华大学出版社
  • 出版: 2024-05-01
  • 作者:[印]阿克谢·库尔卡尼(Akshay Kulkarni),阿达沙·希瓦南达(Adarsha Shivananda),安努什·库尔卡尼(Anoosh Kulkarni),V.阿迪西亚·克里希南(V.Adithya Krishnan)著;欧拉 译
  • 更新: 2024-10-24
  • 书号:9787302657408
  • 中图:TP311.561
  • 学科:
    工学
    控制科学与工程
    工学
    计算机科学与技术
    工学
    软件工程

作者信息

[印]阿克谢·库尔卡尼(Akshay Kulkarni),阿达沙·希瓦南达(Adarsha Shivananda),安努什·库尔卡尼(Anoosh Kulkarni),V.阿迪西亚·克里希南(V.Adithya Krishnan)著;欧拉 译

著译者简介 阿克谢·库尔卡尼(Akshay Kulkarni) 阿克谢·库尔卡尼是人工智能(AI)和机器学习(ML)领域的布道师和意见领袖。他主要为财富500强和全球多家企业提供咨询服务,帮助客户实现由AI和数据科学驱动的战略转型。作为一名谷歌开发者和技术作家,他经常受邀参加AI和数据科学大会(包括O'Reilly Strata数据和AI会议以及Great International Developer Summit,GIDS),发表主旨演讲。他在多所印度顶级大学的研究生院担任客座教授。2019年,他入选“印度40岁以下最优秀的40位数据科学家”名单。在空闲时间,他喜欢阅读、写作、编程,并乐于帮助有志成为数据科学家的人。他和家人居住在印度班加罗尔。 阿达沙·希瓦南达(Adarsha Shivananda) 阿达沙·希瓦南达是数据科学和MLOps领域的资深专家,致力于培养世界级的MLOps能力和持续交付人工智能的价值。他希望通过培训建立一个优秀的数据科学家团队,以解决客户的各种问题。他在制药、医疗保健、消费品、零售和市场营销领域都具有丰富的经验。他的爱好包括阅读和进行数据科学相关培训。他居住在印度班加罗尔。 安努什·库尔卡尼(Anoosh Kulkarni) 安努什·库尔卡尼是一位数据科学家和人工智能高级顾问。他与全球各行业的客户广泛合作,利用机器学习、自然语言处理(NLP)和深度学习来帮助客户解决业务问题。他乐于指导人们掌握和应用数据科学,主持过许多数据科学/机器学习会议,并乐于帮助有志成为数据科学家的人规划职业生涯。他在大学举办ML/AI研讨会,并积极参与人工智能和数据科学相关的网络研讨会、演讲和大会。他和家人居住在印度班加罗尔。 V. 阿迪西亚·克里希南(V.Adithya Krishnan) V.阿迪西亚·克里希南是一位数据科学家和MLOps工程师。他与全球各行业的客户合作,利用机器学习来帮助他们解决业务问题。他在人工智能及机器学习领域有丰富的经验,包括时间序列预测、深度学习、NLP、机器学习、图像处理和数据分析。目前,他正在开发一套先进的工具来观察模型的实际应用价值,这套工具包括持续对模型和数据进行监控以及对实现的商业价值进行跟踪。他在IEEE会议发表过一篇论文,题为“基于深度学习的距离估计方法”,该论文与印度国防研究与发展机构(DRDO)联合署名。他和家人居住在印度金奈。 欧拉 欧拉擅长于问题的引导和拆解,目前感兴趣的方向包括机器学习、人工智能和商业分析。

相关图书