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
親手開發推薦系統：PyTorch全方位實作最重要演算法
作者：
於方仁
分類：
電腦與網路
／
程式語言
出版社：
深智數位
出版日期：2023/9/25
ISBN：9786267273920
書籍編號：kk0574691
頁數：432
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=kk0574691'>親手開發推薦系統：PyTorch全方位實作最重要演算法</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0574691'><img src='https://www.silkbook.com/mall_image/bk/kk0574691.jpg' ALT='親手開發推薦系統：PyTorch全方位實作最重要演算法' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
親手開發推薦系統：PyTorch全方位實作最重要演算法 內容簡介 本書利用PyTorch、神經網路、圖論、機器學習，知識圖譜等最新技術，做出最棒的推薦系統。 第1、2章幫大家建立基礎，第3章從第2章推導，入門推薦演算法及推導能力。第4章介紹熱門的圖神經網路在推薦演算法中的應用。第5章深入知識圖譜推薦演算法，專業度高且實用性強，掌握前4章知識的讀者容易學習。第6到8章介紹整個推薦系統、商業和推薦工程。建議在第3章後隨時閱讀，特別是第7章系統介紹推薦系統評估指標。可在範例程式基礎上改進並利用第7章指標實際評估推薦系統效果。 【本書看點】 ✪ 無痛學習推薦演算法 ✪ 結合深度學習的發展，可推導出進階推薦演算法 ✪ 結合圖神經網路進一步推導出推薦演算法 ✪ 了解圖神經網路且應用於推薦演算法 ✪ 了解整個推薦系統的詳細結構及基本做法 ✪ 了解推薦工程整體的生命週期 ✪ 3個重要演算法：近鄰協作過濾、ALS、FM 【適合讀者】 ☛ 從事推薦系統相關工作的工程師。 ☛ 對推薦系統有興趣的讀者。 ☛ 也可作為大專院校、研究機構的學習參考書
作者簡介 於方仁 推薦演算法、圖神經網路、知識圖譜等領域專家。在推薦系統領域從業多年，現任蘇州中貿大資料CTO。善於在實戰中總結經驗，授課幽默風趣，樂於分享知識。
目錄 第1章 推薦系統的初步了解 1.1 什麼是推薦系統 1.2 推薦系統的由來 1.3 推薦系統的概況 1.4 推薦演算法的概況 第2章 基礎推薦演算法 2.1 協作過濾 2.2 基礎近鄰指標 2.3 基於近鄰的協作過濾演算法 2.4 推薦模型評估：入門篇 2.5 進階近鄰指標 2.6 矩陣分解協作過濾演算法 2.7 邏輯回歸出發的推薦演算法 2.8 本章複習 第3章 進階推薦演算法 3.1 神經網路推薦演算法推導範式 3.2 FM在深度學習中的應用 3.3 序列推薦演算法 3.4 Transformer在推薦演算法中的應用 3.5 本章複習 第4章 圖神經網路與推薦演算法（2） 4.1 圖論基礎 4.2 基於圖的基礎推薦方式 4.3 圖神經網路 4.4 基於圖神經網路的推薦 4.5 本章複習 第5章 知識圖譜與推薦演算法 5.1 知識圖譜基礎 5.2 Knowledge Graph Embedding知識圖譜嵌入 5.3 基於知識圖譜嵌入的推薦演算法 5.4 基於知識圖譜路徑的推薦演算法 5.5 知識圖譜嵌入結合圖路徑的推薦RippLeNet 5.6 圖神經網路與知識圖譜 5.7 本章複習 第6章 推薦系統的構造 6.1 推薦系統結構 6.2 預測服務部分 6.3 LSH-Embedding匹配的加速演算法 6.4 模型訓練部分 6.5 資料處理部分 6.6 冷開機 第7章 推薦系統的評估 7.1 基礎機器學習模型評測指標 7.2 TopK推薦評測指標 7.3 業務性評測指標 7.4 線上對比測試 第8章 推薦工程的生命週期 8.1 了解資料與推薦目的 8.2 初期的特徵篩選 8.3 推薦系統結構設計 8.4 模型研發 8.5 架設推薦系統 8.6 最佳化推薦系統
一本搞定 AI數位員
輕鬆學Python程
AI 時代的 Sid
從零開始學Pytho
聰明提問AI的技巧與
輕鬆上手Power
你就是不寫測試才會沒
Grafana Ze
猴子也能懂的電腦對局
超實用AI技能工具箱
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。
