返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版 检索匹配:深度学习在搜索、广告、推荐系统中的应用 康善同
  • 新华书店旗下自营,正版全新
    • 作者: 康善同著 | 康善同编 | 康善同译 | 康善同绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-06
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 康善同著| 康善同编| 康善同译| 康善同绘
    • 出版社:机械工业出版社
    • 出版时间:2021-06
    • 版次:1
    • 字数:299000
    • 页数:204
    • 开本:16开
    • ISBN:9787111706076
    • 版权提供:机械工业出版社
    • 作者:康善同
    • 著:康善同
    • 装帧:平装
    • 印次:暂无
    • 定价:79.00
    • ISBN:9787111706076
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-06
    • 页数:204
    • 外部编号:11633180
    • 版次:1
    • 成品尺寸:暂无

    第1部分理论准备



    第1章深度学习时代

    1.1深度学习的飞速发展

    1.2深度学习在互联网的应用

    1.2.1搜索

    1.2.2推荐

    1.2.3广告

    1.2.4通用检索流程

    1.3深度学习模型分类

    1.4模型服务中台

    1.5分布式机器学习

    1.6深度学习软件框架

    1.7小结



    第2章深度学习简介

    2.1生物神经网络

    2.2人工神经网络

    2.3业务问题建模

    2.4DNN的拟合能力

    2.5DNN的学习方式

    2.6CNN与RNN

    2.7小结





    第2部分设计与实现



    第3章标签拼接

    3.1时间窗口

    3.2延迟反馈

    3.3样本集介绍

    3.3.1原始样本

    3.3.2广告基本信息表

    3.3.3用户基本信息表

    3.3.4用户的行为日志

    3.4小结



    第4章特征处理

    4.1特征分类

    4.2特征体系

    4.3原始特征拼接

    4.3.1拼接方法

    4.3.2数据集特征拼接

    4.3.3代码

    4.4明文特征抽取

    4.4.1特征抽取算子

    4.4.2特征抽取示例

    4.5特征ID化

    4.5.1特征词表生成

    4.5.2ID化示例

    4.6代码说明

    4.7小结



    第5章模型构建

    5.1DNN求解

    5.1.1数学规划

    5.1.2DNN方法

    5.2模型层

    5.2.1输入层

    5.2.2神经网络层

    5.2.3激活函数层

    5.3模型结构

    5.3.1DLRM模型

    5.3.2模型搭建

    5.4损失函数

    5.4.1MSE损失函数

    5.4.2CrossEntropy损失函数

    5.5优化器

    5.5.1SGD

    5.5.2Momentum

    5.5.3Nesterov

    5.5.4AdaGrad

    5.5.5Adam

    5.5.6扩展

    5.6小结



    第6章模型训练与预测

    6.1模型评估

    6.2模型训练

    6.2.1模型训练流程

    6.2.2模型训练技巧

    6.3模型预测

    6.4训练效果示例

    6.5模型优化

    6.6GPU应用

    6.7小结



    第3部分不错深度学习模型



    第7章检索算法理论

    7.1检索算法抽象

    7.2有表示匹配

    7.2.1标签表示

    7.2.2分布式表示

    7.3无表示匹配

    7.4内容理解

    7.4.1自然语言处理

    7.4.2计算机视觉

    7.4.3一点思考

    7.5用户理解

    7.6总结



    第8章检索算法演进

    8.1前深度学习时代

    8.1.1LR

    8.1.2决策树

    8.1.3协同过滤

    8.1.4MF

    8.1.5算法应用

    8.2深度学习时代

    8.2.1精排模型演进

    8.2.2粗排模型演进

    8.2.3召回模型演进

    8.3小结



    第9章DSSM理论与实现

    9.1DSSM模型

    9.2DSSM实现

    9.3线上预测

    9.4ANN检索

    9.4.1基于树的方法

    9.4.2基于Hash的方法

    9.4.3基于图的方法

    9.4.4ANN检索效率比较

    9.5训练效果

    9.6模型优化

    9.7小结



    第4部分分布式机器学习



    第10章计算机系统

    10.1单机系统

    10.1.1单机系统物理模型

    10.1.2单机系统程序编程

    10.2分布式系统

    10.2.1分布式计算

    10.2.2分布式存储

    10.2.3分布式协同通信

    10.2.4CAP理论

    10.2.5一点思考

    10.3分布式系统示例

    10.4分布式编程示例

    10.5小结



    第11章分布式机器学习设计与实现

    11.1机器学习应用系统设计

    11.2分布式机器学习设计

    11.2.1并行方式

    11.2.2节点协作方式

    11.2.3模型更新方式

    11.3常用的分布式学习框架

    11.4PSLite介绍

    11.4.1代码架构

    11.4.2工作流程

    11.5分布式训练实现

    11.5.1架构设计

    11.5.2代码实现

    11.5.3程序运行

    11.5.4模型保存与加载

    11.5.5效果评估

    11.6小结

    结语

    附录

    附录A辅助学习资料

    康善同,本科毕业于南京大学;于北京大学获得计算机系统结构硕士学位;有十余年的互联网大厂一线算法相关工作经验。

    本书主要介绍了深度学习在互联网核心的三大类业务(搜索、广告、推荐系统)检索系统中的应用。书中详细讲述了检索匹配的理论、演进历史,以及在业务中落地一个基于深度学习算法模型的全流程技能,包括业务问题建模、样本准备、特征抽取、模型训练和预测等,并提供了相应的代码。本书共11章,分为四大部分。第1部分(~2章)介绍了深度学习的相关理论知识;第2部分(第3~6章)介绍了业务中如何上线一个深度学习模型,包括标签拼接、特征抽取、模型训练和预测等流程,采用单机实现;第3部分(第7~9章)介绍了检索算法基本理论以及演进历史,并以业内应用较为广泛的双塔模型DSSM为例进行了详细理论解析和代码实现;第4部分(第10~11章)介绍了如何将单机训练模式改造为分布式训练模式,以加快模型的训练速度,从而应对具有海量样本的业务场景。本书为读者提供了全部案例源代码下载和超过180分钟的高清学习视频,读者可直接扫描二维码观看。本书旨在为读者介绍深度学习在互联网业务中落地的方法和实现,主要面向算法工程师、相关领域研究人员和相关专业院校师生。

    1. 聚焦互联网三大核心业务,详细阐述了检索匹配的理论和演进历史。 2. 通过落地一个基于深度学习算法模型的分布式机器学习业务案例来加深读者理解。 3. 随书免费赠送全部案例源代码和超过180分钟的高清学习视频。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购