当当读书
推荐系统算法实践

推荐系统算法实践

黄美灵
0
44.99 原价¥44 开通租阅权,免费读此书
评论 赠一得一 收藏 分享
此书籍暂不支持在移动端购买和阅读

内容简介

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。
【推荐语】
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。
【作者】
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。
展开
大家都在看换一批
大家都在看换一批
领取优惠券

温馨提示:

您已领取的礼券,请到【个人中心】-【资产】中查看。