中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能推薦系統開發實戰/人工智能技術叢書 版權信息
- ISBN：9787517099352
- 條形碼：9787517099352 ; 978-7-5170-9935-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能推薦系統開發實戰/人工智能技術叢書 本書特色
1.簡單易學：本書使用 Python 3.7 版本進行編寫，代碼簡單，易于讀者學習。 2.實踐為主：本書不是空講推薦算法理論知識，而是以實際的案例清晰簡明地介紹如何使用Python 實現推薦模型的開發落地。 3.內容全面：覆蓋推薦系統領域常見的模型及熱點案例。 4.配備數據和源代碼：提供所有案例的數據文件和 Python 源代碼供讀者操作練習、快速上手。 5.學習路線圖清晰：每個推薦模型開發案例均按照數據挖掘項目的一般工作流程逐步展開，分析邏輯清晰。
智能推薦系統開發實戰/人工智能技術叢書 內容簡介
《智能推薦系統開發實戰》基于Python 3.7編寫，全書圍繞推薦模型的開發實踐，為讀者重點展示了各種不同類型的推薦模型開發過程及其在多種業務場景下的應用。 全書分為4篇，第1篇包含推薦系統的前世今生及其涉及的基礎數學知識，簡單介紹了推薦系統的發展過程及從事推薦模型研發所需要的數學知識；第2篇重點介紹不同類型的推薦算法在多種應用場景下的開發實踐，包括協同過濾、矩陣分解、Logistic回歸、決策樹、集成學習、因子分解與深度學習模型；第3篇介紹了推薦系統的冷啟動問題及效果評估方法；第4篇通過行業真實案例，如廣告點擊率預測、金融產品精準營銷、電影推薦、音樂推薦、產品交叉銷售等，深入淺出、循序漸進地介紹了推薦模型開發的全過程。 《智能推薦系統開發實戰》內容精練、案例豐富，實踐性極強，可快速學習并上手實踐，值得一讀，特別適合在企業中從事推薦模型開發、數據分析挖掘、機器學習研發等工作的人員使用，同樣適合想從事數據挖掘工作的各大中專院校的學生與教師，以及其他對推薦系統領域有興趣愛好的各類人員使用。
智能推薦系統開發實戰/人工智能技術叢書 目錄
第1篇 系統的基礎知識
第1章 系統的前世今生
1.1 從信息匱乏到信息過載
1.2 從搜索到
1.3 系統的應用場景
1.4 系統的基礎知識
1.4.1 什么是 系統
1.4.2 使用 系統的目的
1.4.3 如何搭建一個 系統
1.4.4 系統涉及的模型
1.5 系統的開發工具說明
第2章 系統的數學基礎
2.1 線性代數
2.1.1 向量
2.1.2 矩陣
2.1.3 范數
2.1.4 矩陣分解
2.2 微積分
2.2.1 函數
2.2.2 極限
2.2.3 導數
2.2.4 微分中值定理
2.2.5 泰勒展開式
2.2.6 梯度
2.2.7 小二乘法
2.3 概率統計
2.3.1 概率
2.3.2 總體與個體
2.3.3 簡單隨機抽樣
2.3.4 統計量
2.3.5 描述性統計
第2篇 模型的開發實踐
第3章 基于協同過濾的
3.1 協同過濾算法簡介
3.1.1 基于用戶的協同過濾
3.1.2 基于項目的協同過濾
3.1.3 基于模型的協同過濾
3.2 基于協同過濾算法的實現
3.2.1 數據源說明
3.2.2 基于項目的協同過濾 實現
3.2.3 基于用戶的協同過濾 實現
……
第3篇 系統的冷啟動及效果評估
第4篇 項目實戰
展開全部
智能推薦系統開發實戰/人工智能技術叢書 作者簡介
尚濤，畢業于上海交通大學數學系，擁有數學碩士學位，研究方向為數據挖掘與機器學習應用領域，擁有超過10年數據挖掘和優化建模的經驗，以及多年使用SAS、R、Python等軟件的經驗；曾任職于zfb、平安科技、易方達基金，現就職于南方基金，專注于精準營銷、推薦系統、信用風險評分等領域數據挖掘項目的研發工作；就職期間，為所在公司的業務方成功實施了眾多深受好評的數據挖掘項目，實現了良好的業務價值。
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
推拿
- >
李白與唐代文化
- >
月亮與六便士
- >
隨園食單
- >
伊索寓言-世界文學名著典藏-全譯本
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
有舍有得是人生
本類暢銷
