登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
App程式設計入門：iPhone、iPad(附光碟)
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
猜心競賽：從實作了解推薦系統演算法
作者：
黃美靈
分類：
電腦與網路
／
程式語言
出版社：
深智數位
出版日期：2020/8/20
ISBN：9789865501488
書籍編號：kk0516864
頁數：464
定價：
780
元
優惠價：
79
折
616
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0516864'>猜心競賽：從實作了解推薦系統演算法</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0516864'><img src='https://www.silkbook.com/mall_image/bk/kk0516864.jpg' ALT='猜心競賽：從實作了解推薦系統演算法' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
猜心競賽：從實作了解推薦系統演算法 內容簡介 推薦系統從20世紀90年代開始出現，逐漸成為一種獨立的學科，並且在學術界和工業界應用中都獲得了諸多成果。本書主要說明目前學術界和工業界的一些主流、常用的推薦方法和工具。用最大眾化的Tensorflow/Sklearn及Spark來實作商業巨頭的推薦系統，在Zepplin Notebook和Jupyter Notebook兩個最通用的平台上來完成實作，並且詳細介紹召回演算法、排序演算法、線性模型、樹模型、深度學習模型等等。
作者簡介 黃美靈 現任一線互聯網公司的高級工程師，擁有多年大型互聯網公司推薦系統和機器學習實戰經驗，現從事廣告推薦、應用分發和資訊Feeds流推薦相關工作。
目錄 第1篇 推薦系統的演算法基礎 01 數學基礎 1.1 線性代數 1.2 機率與統計 1.3 損失函數 1.4 最佳化方法 1.5 評價方法 02 推薦系統介紹 2.1 推薦系統背景 2.2 推薦系統的典型案例 2.3 推薦系統原理 03 推薦演算法工具 3.1 Python Sklearn 機器學習函數庫 3.2 Spark MLlib 機器學習函數庫 3.3 TensorFlow 3.4 Notebook 介紹 第2篇 推薦系統的召回演算法 04 協作過濾—基於行為相似的召回 4.1 協作過濾演算法 4.2 協作過濾推薦演算法實現 05 Word2vec—基於內容相似的召回 5.1 Word2vec 演算法 5.2 Word2vec 實例 第3篇 推薦系統的排序演算法—線性模型 06 邏輯回歸 6.1 邏輯回歸演算法 6.2 邏輯回歸實現 07 因數分解機（FM） 7.1 FM 演算法 7.2 FM 實現 第4篇 推薦系統的排序演算法—樹模型 08 決策樹 8.1 決策樹演算法 8.2 決策樹的整合演算法 8.3 決策樹整合演算法實例 09 整合學習 9.1 GBDT+LR 演算法 9.2 深度森林演算法 9.3 決策樹整合分類器 9.4 整合學習實例 第5篇 推薦系統的排序演算法—深度學習模型 10 深度學習在推薦演算法中的應用 10.1 推薦模型的特點 10.2 基於深度學習的推薦模型 11 DNN 演算法 11.1 類神經網路演算法 11.2 DNN 最佳化方法 11.3 DNN 實例 TensorFlow 實現 11.4 執行結果 12 Wide & Deep 模型 12.1 Wide & Deep 模型概述 12.2 Wide & Deep 系統實現 12.3 Wide & Deep 實例 TensorFlow 實現 12.4 執行結果 13 DeepFM 模型 13.1 DeepFM 模型概述 13.2 DeepFM 模型實例 TensorFlow 實現 13.3 執行結果 14 YouTube 的深度神經網路模型 14.1 YouTube 推薦模型 14.2 YouTube 實例 TensorFlow 實現 14.3 執行結果 第6篇 推薦系統的演算法實作 15 實作—基於電子商務平台的商品召回 15.1 背景介紹 15.2 模型選擇 15.3 演算法開發 16 實作—基於邏輯回歸的音樂評分預測 16.1 背景介紹 16.2 資料準備 16.3 特徵處理 16.4 模型選擇 16.5 演算法開發 17 實作—Kaggle 競賽之Outbrain 點擊率預估 17.1 背景介紹 17.2 資料準備 17.3 特徵處理 17.4 模型選擇 17.5 演算法開發 18 實作—基於深度學習為電子商務商品點擊率預估 18.1 背景介紹 18.2 資料準備 18.3 特徵處理 18.4 模型選擇 18.5 演算法開發 18.6 執行結果 19 Notebook 實作 19.1 Sklearn 中的LR 實作 19.2 TensorFlow 中的LR 實作 19.3 Spark 中的LR 實作 19.4 TensorFlow 中的FM 偵錯實作 19.5 Spark 中的協作過濾偵錯實作
快速精通iOS 26
帶你用 Python
Software M
精通 Python｜
演算法訓練營｜入門篇
APCS 完全攻略：
軟體架構原理 第二版
我阿嬤都比你會測試：
邊玩邊學，使用Scr
APCS完全攻略：從
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
