机读格式显示(MARC)
- 000 02325cam0 2200349 450
- 010 __ |a 978-7-302-65740-8 |d CNY99.00
- 100 __ |a 20240530d2024 emky0chiy50 ea
- 200 1_ |a Python推荐系统实战 |A python tui jian xi tong shi zhan |e 基于深度学习、NLP和图算法的应用型推荐系统 |f (印) 阿克谢·库尔卡尼 ... [等] 著 |g 欧拉译
- 210 __ |a 北京 |c 清华大学出版社 |d 2024
- 215 __ |a 198页 |c 图 |d 23cm
- 304 __ |a 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
- 314 __ |a 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。
- 330 __ |a 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。
- 510 1_ |a Applied recommender systems with Python |e build recommender systems with deep learning, NLP and graph-based techniques |z eng
- 517 1_ |a 基于深度学习、NLP和图算法的应用型推荐系统 |A ji yu shen du xue xi 、 nlp he tu suan fa de ying yong xing tui jian xi tong
- 606 0_ |a 程序语言 |A cheng xu yu yan |x 程序设计
- 610 0_ |a Python |A Python
- 701 _1 |a 库尔卡尼 |A ku er ka ni |g (Kulkarni, Akshay) |4 著
- 701 _1 |a 希瓦南达 |A xi wa nan da |g (Shivananda, Adarsha) |4 著
- 701 _1 |a 库尔卡尼 |A ku er ka ni |g (Kulkarni, Anoosh) |4 著
- 701 _1 |a 克里希南 |A ke li xi nan |g (Krishnan, V. Adithya) |4 著
- 702 _0 |a 欧拉 |A ou la |4 译
- 801 _0 |a CN |b WFKJXY |c 20250620
- 905 __ |a WFKJXY |d TP312/896