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:

  • 正版新书]推荐系统实战宝典猿媛之家 组编 吕倩倩 陈欣 楚秦 等
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著著 | 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著编 | 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著译 | 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著绘
    • 出版社: 机械工业出版社
    • 出版时间:2022-09-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著著| 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著编| 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著译| 猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著绘
    • 出版社:机械工业出版社
    • 出版时间:2022-09-01
    • 版次:1
    • 印次:1
    • 字数:431000
    • 页数:280
    • 开本:16开
    • ISBN:9787111713531
    • 版权提供:机械工业出版社
    • 作者:猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著
    • 著:猿媛之家 组编 吕倩倩 陈欣 楚秦 等编著
    • 装帧:平装
    • 印次:1
    • 定价:99
    • ISBN:9787111713531
    • 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:2022-09-01
    • 页数:280
    • 外部编号:小坞128318
    • 版次:1
    • 成品尺寸:暂无

    扩展阅读视频列表

    前言

    第1部分推荐系统介绍篇

    第1章推荐系统概述/2

    1.1什么是推荐系统/2

    1.2推荐系统的架构/3

    1.3推荐系统架构治理/4

    1.4推荐引擎的架构/5

    1.5推荐系统的应用/9

    1.5.1电影和视频网站/9

    1.5.2个性化音乐电台/10

    1.5.3个性化广告及搜索广告/10

    1.5.4多业务融合推荐策略实践与思考/11

    1.6推荐系统评测/11

    1.6.1推荐系统实验方法/12

    1.6.2评测指标/13

    1.6.3评测维度/14

    1.7推荐系统知识储备/14

    第2部分推荐系统基础篇

    第2章机器学习准备工作/16

    2.1机器学习绪论/18

    2.1.1数据积累/18

    2.1.2特征(过滤法、包装法、嵌入法)/18

    2.1.3模型的不可解释性/22

    2.2数学基础知识/23

    2.2.1微积分/23

    2.2.2统计学/29

    2.2.3线性代数/35

    2.2.4信息论基础/36

    2.2.5凸优化/37

    2.3Python编程/39

    第3章机器学习基础——让推荐系统更懂你/49

    3.1贝叶斯分类器/49

    3.1.1贝叶斯决策论/53

    3.1.2大似然估计/57

    3.1.3EM算法/59

    3.1.4垃圾邮件过滤实战/62

    3.2决策树/65

    3.3支持向量机(SVM)/70

    3.3.1SVM介绍/70

    3.3.2半监督SVM/71

    3.4KNN算法/71

    3.5线性回归/73

    3.6逻辑回归/77

    3.7SparkMLlib/79

    3.7.1SparkMLlib简介/79

    3.7.2SparkMLlib矩阵计算/80

    3.7.3SparkMLlib实现分类算法/81

    3.7.4SparkMLlib实现回归算法/81

    3.7.5SparkMLlib实现聚类算法/82

    3.8聚类任务/82

    3.8.1k均值聚类算法/82

    3.8.2高斯混合聚类/85

    第3部分推荐系统进阶篇

    第4章基于点击率预估、RBM的推荐/94

    4.1传统推荐算法的局限和应用/94

    4.1.1传统推荐算法的局限/94

    4.1.2传统推荐算法的应用/95

    4.1.3点击率预估在推荐系统中的应用/95

    4.2集成学习(EnsembleLearning)/95

    4.2.1GBDT/96

    4.2.2XgBoost/97

    4.2.3Bagging与随机森林/98

    4.3实例:基于RBM的推荐算法/102

    第5章基于标签的推荐/104

    5.1基于标签系统的应用/104

    5.2数据标注与关键词提取/104

    5.2.1推荐系统中的数据标注/104

    5.2.2推荐系统中的关键词提取/105

    5.2.3标签的分类/106

    5.3基于标签的推荐系统/106

    5.3.1标签评分算法/106

    5.3.2标签评分算法改进/107

    5.3.3标签基因/107

    5.3.4用户兴趣建模/107

    5.4实例:使用标签推荐算法实现艺术家的推荐/108

    5.4.1了解实现思路/108

    5.4.2准备数据/108

    5.4.3选择算法/109

    5.4.4模型训练/109

    5.4.5效果评估/110

    第6章推荐算法/112

    6.1基于内容的推荐算法/112

    6.2基于用户行为特征的推荐算法/113

    6.2.1User-BasedCF详解及优化/114

    6.2.2Item-BasedCF详解及优化/115

    6.2.3融合Match中协同过滤思想的深度排序模型/116

    6.3基于模型的推荐算法/117

    6.4基于流行度的推荐算法/118

    6.5混合算法/119

    6.6基于图的模型/120

    6.6.1用户行为数据的二分图表示/120

    6.6.2基于图的推荐算法/121

    6.7基于社交网络的推荐/121

    6.7.1基于邻域的社会化推荐算法/121

    6.7.2基于图的社会化推荐算法/122

    6.8Slope-one推荐算法/122

    6.9基于DNN的推荐算法介绍/123

    6.10基于TF实现稀疏自编码和在推荐中的应用/124

    6.11联邦推荐算法及应用/127

    第7章推荐系统冷启动及召回方法/131

    7.1冷启动问题简介/131

    7.2选择合适的物品启动用户的兴趣/131

    7.3利用物品的内容信息/132

    7.4Multi-ViewDNN模型解决用户冷启动/132

    第4部分推荐系统强化篇

    第8章基于上下文的推荐/134

    8.1基于时间特征的推荐/134

    8.1.1时间效应介绍/134

    8.1.2推荐系统的实时性/135

    8.1.3协同过滤中的时间因子/135

    8.2实例:增加时间衰减函数的协同过滤算法/136

    8.2.1在UserCF算法中增加时间衰减函数/136

    8.2.2在ItemCF算法中增加时间衰减函数/137

    第9章文本处理/139

    9.1Word2Vec/139

    9.1.1Word2Vec简介/139

    9.1.2词向量/141

    9.1.3分层优化语言模型/147

    9.1.4连续词袋模型/147

    9.2fastText/150

    9.2.1模型架构/150

    9.2.2层次Softmax/151

    9.2.3N-Gram子词特征/151

    9.2.4fastText和Word2Vec的区别/152

    9.2.5使用fastText分类/152

    9.3Gensim/154

    9.3.1Gensim基本概念/154

    9.3.2Gensim的安装及简单使用/154

    9.3.3主题向量的转化:TF-IDF(词频逆文档频率)/156

    ……

    吕倩倩,女,2018年毕业于沈阳航空航天大学软件工程专业,获工学学士学位。原商品交易所大数据开发工程师,现任花旗银行大数据开发工程师。2015年获得ACM-ICPC大赛三等奖;2016年获得美国数学建模竞赛一等奖、亚太数学建模二等奖,并多次获得全国大学生数学建模竞赛一等奖、二等奖;2018年获得阿里云ACA认证证书。

    1. 内容实用:以推荐系统开发工程师的视角讲解算法知识和实操流程,同时包含了推荐算法的全新思想(如融合Match中协同过滤思想的深度排序模型)。
    2. 资源丰富:附赠113段、超过1100分钟的高清视频教程和全部案例的源代码。


    《推荐系统实战宝典》主要围绕推荐系统进行讲解,全面介绍了掌握推荐系统技术所需要学习的算法及步骤。书中描述了基于点击率评估、RBM的推荐,基于标签的推荐,基于用户行为、内容、模型、流行度、邻域、图的推荐,以及基于上下文的推荐,还有使用自然语言处理或者矩阵分解的推荐,包括算法原理的介绍,对于每一种推荐方式也做了细粒度的分析及场景化的应用。还分享了作者在实际应用中的解决方案及扩展思路。除此之外,本书还会涉及一些基础算法及数学知识,并且包括对于推荐算法的一些模型评估以及校验的描述。阅读本书可以帮助读者学习基础算法和推荐算法的原理及实际应用,同时还能学习到推荐系统开发的设计思想、设计模式、开发流程等。这些对于读者全面提高自己的推荐系统开发水平有很大的帮助。
    《推荐系统实战宝典》为读者提供了全部案例源代码下载和超过1100分钟的高清学习视频,读者可直接扫描二维码观看。
    《推荐系统实战宝典》适合从事推荐系统相关领域研发的人员、高年级本科生或研究生、热衷于推荐系统开发的读者阅读。


    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