Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Applied Recommender Systems with Python: Build Recommender Systems with Deep Learning, Nlp and Graph-Based Techniques
In diesem Buch lernen Sie, wie Sie mit Python Empfehlungssysteme mit Algorithmen des maschinellen Lernens erstellen können. Empfehlungssysteme sind heute ein wesentlicher Bestandteil jedes internetbasierten Unternehmens geworden.
Sie lernen zunächst die grundlegenden Konzepte von Empfehlungssystemen kennen und erhalten einen Überblick über die verschiedenen Arten von Empfehlungsmaschinen und deren Funktionsweise. Anschließend erfahren Sie, wie Sie Empfehlungssysteme mit traditionellen Algorithmen wie der Warenkorbanalyse und inhalts- und wissensbasierten Empfehlungssystemen mit NLP aufbauen können. Anschließend demonstrieren die Autoren Techniken wie die kollaborative Filterung mit Hilfe der Matrixfaktorisierung und hybride Empfehlungssysteme, die sowohl inhaltsbasierte als auch kollaborative Filterungstechniken beinhalten. Es folgt ein Tutorial über den Aufbau von auf maschinellem Lernen basierenden Empfehlungssystemen unter Verwendung von Clustering- und Klassifizierungsalgorithmen wie K-means und Random Forest. Die letzten Kapitel befassen sich mit NLP, Deep Learning und graphbasierten Techniken zum Aufbau einer Empfehlungsmaschine. Jedes Kapitel umfasst die Datenaufbereitung, mehrere Möglichkeiten zur Bewertung und Optimierung der Empfehlungssysteme, unterstützende Beispiele und Illustrationen.
Am Ende dieses Buches werden Sie verstehen und in der Lage sein, Empfehlungssysteme mit verschiedenen Tools und Techniken des maschinellen Lernens, Deep Learning und graphbasierten Algorithmen aufzubauen.
Was Sie lernen werden
⬤ Verstehen und Implementieren verschiedener Techniken für Empfehlungssysteme mit Python.
⬤ Gebräuchliche Methoden wie inhalts- und wissensbasierte, kollaborative Filterung, Warenkorbanalyse und Matrixfaktorisierung anwenden.
⬤ Hybride Empfehlungssysteme erstellen, die sowohl inhaltsbasierte als auch kollaborative Filterung beinhalten.
⬤ Nutzung von maschinellem Lernen, NLP und Deep Learning für den Aufbau von Empfehlungssystemen.
Für wen dieses Buch gedacht istDatenwissenschaftler, Ingenieure für maschinelles Lernen und Python-Programmierer, die an der Entwicklung und Implementierung von Empfehlungssystemen zur Problemlösung interessiert sind.