Bewertung:
Das Buch über Empfehlungssysteme hat gemischte Kritiken erhalten. Viele loben seine Zugänglichkeit für Anfänger und die praktischen Programmierbeispiele, während andere die Organisation, den Umfang und einige technische Aspekte kritisieren.
Vorteile:Das Buch ist leicht verständlich, methodisch aufgebaut und bietet praktische Programmierbeispiele und Szenarien aus der Praxis. Es ist für Anfänger geeignet und enthält hilfreiche Ressourcen wie Videos und Links zum Herunterladen von Code. Viele Rezensenten schätzen die prägnanten Erklärungen und die Verfügbarkeit des Codes auf GitHub.
Nachteile:Kritiker bemängeln die mangelnde Organisation und die unzusammenhängenden Kapitel. Einige sind der Meinung, dass es dem Buch an Tiefe fehlt, insbesondere bei fortgeschrittenen Themen wie Matrixfaktorisierung und Deep Learning. Es wird berichtet, dass Links im Buch nicht funktionieren, und die Gesamtqualität des Codes wird als einfach angesehen. Das Buch ist möglicherweise nicht für diejenigen geeignet, die bereits Erfahrung in der Datenwissenschaft haben.
(basierend auf 11 Leserbewertungen)
Hands-On Recommendation Systems with Python
Mit Hands-On Recommendation Systems with Python lernen Sie die Werkzeuge und Techniken kennen, die für den Aufbau verschiedener leistungsfähiger Empfehlungssysteme (kollaborativ, wissens- und inhaltsbasiert) und deren Einsatz im Web erforderlich sind Empfehlungssysteme sind heute das Herzstück fast aller Internetunternehmen, von Facebook über Netflix bis Amazon. Gute Empfehlungen, egal ob es sich um Freunde, Filme oder Lebensmittel handelt, tragen wesentlich dazu bei, die Benutzererfahrung zu definieren und Ihre Kunden zur Nutzung Ihrer Plattform zu bewegen.
Dieses Buch zeigt Ihnen, wie Sie genau das tun können. Sie lernen die verschiedenen Arten von Empfehlungsprogrammen kennen, die in der Branche verwendet werden, und erfahren, wie Sie diese von Grund auf mit Python erstellen können. Sie müssen sich nicht durch tonnenweise Theorie des maschinellen Lernens wühlen - Sie werden so schnell wie möglich mit der Erstellung von Empfehlungsprogrammen beginnen und etwas darüber lernen.
In diesem Buch werden Sie einen IMDB Top 250-Klon erstellen, eine inhaltsbasierte Engine, die mit Film-Metadaten arbeitet. Sie werden kollaborative Filter verwenden, um Daten zum Kundenverhalten zu nutzen, und einen hybriden Empfehlungsgeber erstellen, der inhaltsbasierte und kollaborative Filtertechniken vereint.
Mit diesem Buch brauchen Sie nur Python zu beherrschen, um mit dem Aufbau von Empfehlungssystemen zu beginnen, und wenn Sie fertig sind, werden Sie ein gutes Verständnis dafür haben, wie Empfehlungssysteme funktionieren, und in der Lage sein, die erlernten Techniken auf Ihre eigenen Problemdomänen anzuwenden. Wenn Sie ein Python-Entwickler sind und Anwendungen für soziale Netzwerke, die Personalisierung von Nachrichten oder intelligente Werbung entwickeln wollen, ist dies das richtige Buch für Sie.
Grundlegende Kenntnisse über Techniken des maschinellen Lernens sind hilfreich, aber nicht zwingend erforderlich.
| ISBN: | 9781788993753 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
