電子書(shū)丨《推薦系統(tǒng)算法實(shí)踐》

▊《推薦系統(tǒng)算法實(shí)踐》

/ 黃美靈 著

電子書(shū)售價(jià)：44.5元

2019年10月出版

本書(shū)主要講解推薦系統(tǒng)中的召回算法和排序算法，以及各個(gè)算法在主流工具Sklearn、Spark、TensorFlow等中的實(shí)現(xiàn)和應(yīng)用。

書(shū)中本著循序漸進(jìn)的原則進(jìn)行講解。首先，介紹推薦系統(tǒng)中推薦算法的數(shù)學(xué)基礎(chǔ)，推薦算法的平臺(tái)、工具基礎(chǔ)，以及具體的推薦系統(tǒng)。其次，講解推薦系統(tǒng)中的召回算法，主要包括基于行為相似的協(xié)同過(guò)濾召回和基于內(nèi)容相似的Word2vec召回，并且介紹其在Spark、TensorFlow主流工具中的實(shí)現(xiàn)與應(yīng)用。再次，講解推薦系統(tǒng)中的排序算法，包括線性模型、樹(shù)模型和深度學(xué)習(xí)模型，分別介紹邏輯回歸、FM、決策樹(shù)、隨機(jī)森林、GBDT、GBDT+LR、集成學(xué)習(xí)、深度森林、DNN、Wide & Deep、DeepFM、YouTube推薦等模型的原理，以及其在Sklearn、Spark、TensorFlow主流工具中的實(shí)現(xiàn)與應(yīng)用。最后，介紹推薦算法的4個(gè)實(shí)踐案例，幫助讀者進(jìn)行工程實(shí)踐和應(yīng)用，并且介紹如何在Notebook上進(jìn)行代碼開(kāi)發(fā)和算法調(diào)試，以幫助讀者提升工作效率。

---

▼?點(diǎn)擊閱讀原文，立刻下單！