Recommender Systems (eBook)
280 Seiten
Springer Nature Singapore (Verlag)
978-981-99-8964-5 (ISBN)
This book starts from the classic recommendation algorithms, introduces readers to the basic principles and main concepts of the traditional algorithms, and analyzes their advantages and limitations. Then, it addresses the fundamentals of deep learning, focusing on the deep-learning-based technology used, and analyzes problems arising in the theory and practice of recommender systems, helping readers gain a deeper understanding of the cutting-edge technology used in these systems. Lastly, it shares practical experience with Microsoft 's open source project Microsoft Recommenders. Readers can learn the design principles of recommendation algorithms using the source code provided in this book, allowing them to quickly build accurate and efficient recommender systems from scratch.
This book starts from the classic recommendation algorithms, introduces readers to the basic principles and main concepts of the traditional algorithms, and analyzes their advantages and limitations. Then, it addresses the fundamentals of deep learning, focusing on the deep-learning-based technology used, and analyzes problems arising in the theory and practice of recommender systems, helping readers gain a deeper understanding of the cutting-edge technology used in these systems. Lastly, it shares practical experience with Microsoft 's open source project Microsoft Recommenders. Readers can learn the design principles of recommendation algorithms using the source code provided in this book, allowing them to quickly build accurate and efficient recommender systems from scratch.
| Erscheint lt. Verlag | 25.3.2024 |
|---|---|
| Zusatzinfo | XVI, 280 p. 92 illus., 75 illus. in color. |
| Sprache | englisch |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Informatik ► Theorie / Studium ► Algorithmen | |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Schlagworte | Data Mining • Deep learning • Graph representation learning • Microsoft Recommenders • recommendation algorithm • Recommender System Frontiers • Recommender System Practices • Recommender Systems |
| ISBN-10 | 981-99-8964-7 / 9819989647 |
| ISBN-13 | 978-981-99-8964-5 / 9789819989645 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
