潍坊科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

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/(印) 阿克谢·库尔卡尼 ... [等] 著 欧拉译

出版发行项:

北京:清华大学出版社,2024

ISBN及定价:

978-7-302-65740-8/CNY99.00

载体形态项:

198页:图;23cm

并列正题名:

Applied recommender systems with Python:build recommender systems with deep learning, NLP and graph-based techniques

其它题名:

基于深度学习、NLP和图算法的应用型推荐系统

个人责任者:

库尔卡尼 (Kulkarni, Akshay) 著

个人责任者:

希瓦南达 (Shivananda, Adarsha) 著

个人责任者:

库尔卡尼 (Kulkarni, Anoosh) 著

个人责任者:

克里希南 (Krishnan, V. Adithya) 著

个人次要责任者:

欧拉 译

学科主题:

程序语言-程序设计

非控制主题词:

Python

中图法分类号:

TP312

题名责任附注:

题名页题其余责任者: 阿达沙·希瓦南达, 安努什·库尔卡尼, V. 阿迪西亚·克里希南

相关题名附注:

英文题名取自封面

责任者附注:

阿达沙·希瓦南达 (Adarsha Shivananda), 目前是Indegene公司产品和技术团队的高级数据科学家, 致力于为制药产品构建机器学习和人工智能能力。Adarsha Shivananda的目标是通过优秀的培训计划建立一个杰出的数据科学家库, 并一同解决更多、更大的问题。Adarsha Shivananda曾与Tredence Analytics和IQVIA合作。Adarsha Shivananda在制药、卫生保健、零售和营销领域具有广泛的工作经验。 Adarsha Shivananda长居于印度的班加罗尔, 喜欢阅读、骑行和数据科学教学。欧拉, 奉行知行合一, 擅长于问题的引导和拆解。目前感兴趣的方向有机器学习、人工智能和商业分析。

提要文摘附注:

本书分为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。本书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。

豆瓣简介：