* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Recommender Systems
Kan Ren, Tun Lu, Xing Xie, et al.
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Naturwissenschaften, Medizin, Informatik, Technik / Informatik
Beschreibung
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.
Kundenbewertungen
Microsoft Recommenders, recommender systems, Recommender System Frontiers, recommendation algorithm, Recommender System Practices, data mining, Deep Learning, Graph representation learning