万本电子书0元读

万本电子书0元读

顶部广告

推荐系统算法实践电子书

1.本书主要讲解推荐系统中的推荐算法——召回算法和排序算法,以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。 2.本书本着循序渐的原则行讲解,配有丰富的工程案例和源代码,可以帮助读者行工程实践并在实际工作中应用。 3.本书适合 AI、数据挖掘、大数据等领域的从业人员阅读,书中为发者展现了推荐算法的原理、实现与应用案例。

售       价:¥

纸质售价:¥66.20购买纸书

659人正在读 | 0人评论 6.4

作       者:黄美灵

出  版  社:电子工业出版社

出版时间:2019-09-01

字       数:10.4万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书主要讲解推荐系统中的召回算法和排序算法,以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。 书中本着循序渐的原则行讲解。首先,介绍推荐系统中推荐算法的数学基础,推荐算法的平台、工具基础,以及具体的推荐系统。其次,对推荐系统中的召回算法行讲解,主要包括基于行为相似的协同过滤召回和基于内容相似的Word2vec 召回,并且介绍其在Spark、TensorFlow 主流工具中的实现与应用。再次,讲解推荐系统中的排序算法,包括线性模型、树模型和深度学习模型,分别介绍逻辑回归、FM、决策树、随机森林、GBDT、GBDT LR、集成学习、深度森林、DNN、Wide & Deep、DeepFM、YouTube推荐等模型的原理,以及其在Sklearn、Spark、TensorFlow 主流工具中的实现与应用。*后,介绍推荐算法的4 个实践案例,帮助读者行工程实践和应用,并且介绍如何在Notebook 上行代码发和算法调试,以帮助读者提升工作效率。<br/>【推荐语】<br/>1.本书主要讲解推荐系统中的推荐算法——召回算法和排序算法,以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。 2.本书本着循序渐的原则行讲解,配有丰富的工程案例和源代码,可以帮助读者行工程实践并在实际工作中应用。 3.本书适合 AI、数据挖掘、大数据等领域的从业人员阅读,书中为发者展现了推荐算法的原理、实现与应用案例。<br/>【作者】<br/>黄美灵 现任一线互联网公司的高级工程师,拥有多年大型互联网公司推荐系统和机器学习实战经验,现从事广告推荐、应用分发和资讯Feeds流推荐相关工作。<br/>
目录展开

作者简介

前言

第1部分 推荐系统的算法基础

第1章 数学基础

第2章 推荐系统介绍

第3章 推荐算法工具

第2部分 推荐系统的召回算法

第4章 协同过滤——基于行为相似的召回

第5章 Word2vec——基于内容相似的召回

第3部分 推荐系统的排序算法——线性模型

第6章 逻辑回归

第7章 因子分解机(FM)

第4部分 推荐系统的排序算法——树模型

第8章 决策树

第9章 集成学习

第5部分 推荐系统的排序算法——深度学习模型

第10章 深度学习在推荐算法中的应用

第11章 DNN算法

第12章 Wide&Deep模型

第13章 DeepFM模型

第14章 YouTube的深度神经网络模型

第6部分 推荐系统的算法实践

第15章 实践——基于电商平台的商品召回

第16章 实践——基于逻辑回归的音乐评分预测

第17章 实践——Kaggle竞赛之Outbrain点击率预估

第18章 实践——基于深度学习的电商商品点击率预估

第19章 Notebook实践

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部