幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

機器學習實戰(以推薦系統應用為例新技術技能人才培養系列教程)/人工智慧開發工程師系列

  • 作者：編者:肖睿//向成洪//徐聖林//于倫//王蘭等|責編:祝智敏
  • 出版社：人民郵電
  • ISBN：9787115563200
  • 出版日期：2021/08/01
  • 裝幀：平裝
  • 頁數：230
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共11章，從推薦系統的發展歷史、基本構成開始，依次剖析推薦系統的內容召回、協同過濾召回、深度學習召回中具有代表性的模型；再從經典排序模型到基於深度學習的排序模型，順勢介紹會話推薦、強化學習推薦及工業級推薦，搭建了完整的推薦系統技術體系，這將是一個由淺入深的系統學習過程。
    本書的目標讀者應該對深度學習有基本的了解，掌握概論論、線性代數、微積分等學科的基本知識，具備使用Python語言進行編程的基本能力。本書可以作為各大院校人工智慧相關的教材，也可以為走位培訓機構的教材，還是和作為人工智慧技術愛好者自學用書。
作者介紹
編者:肖睿//向成洪//徐聖林//于倫//王蘭等|責編:祝智敏
目錄
第1章  推薦系統簡介
  技能目標
  本章任務
  任務1.1  了解推薦系統的發展歷史
  任務1.2  掌握推薦系統的核心要素
    1.2.1  用戶
    1.2.2  物品和內容
    1.2.3  事件
    1.2.4  語境
  任務1.3  掌握推薦系統的基本構成
    1.3.1  召回模塊
    1.3.2  排序模塊
    1.3.3  過濾模塊
  任務1.4  了解推薦系統的新發展
    1.4.1  基於會話的推薦系統
    1.4.2  強化學習與推薦系統
  任務1.5  認清推薦系統的發展方向
  本章小結
  本章習題
第2章  搭建試驗平台
  技能目標
  本章任務
  任務2.1  安裝和配置Anaconda
    2.1.1  下載並安裝Anaconda
    2.1.2  新建環境
    2.1.3  管理環境
    2.1.4  添加國內的安裝源
    2.1.5  安裝scikit-surprise軟體包
    2.1.6  安裝其他軟體包
  任務2.2  獲取試驗數據集MovieLens
    2.2.1  下載數據集
    2.2.2  檢查文件內容
    2.2.3  分析評分數據
  任務2.3  安裝集成開發環境PyCharm
    2.3.1  下載PyCharm
    2.3.2  創建項目Recommender
    2.3.3  創建測試文件
  任務2.4  測試集成開發環境Spyder
  任務2.5  測試Jupyter Notebook
    2.5.1  安裝並啟動Jupyter Notebook
    2.5.2  設置根目錄
    2.5.3  Jupyter Notebook基本用法
    2.5.4  運行測試文件
  本章小結
  本章習題
第3章  推薦系統的評測
  技能目標
  本章任務
  任務3.1  學慣用戶成長飛輪模型
  任務3.2  掌握推薦系統的評測方法

    3.2.1  離線測試
    3.2.2  用戶測試
    3.2.3  線上測試
  任務3.3  掌握推薦系統的評測指標
    3.3.1  預測準確率
    3.3.2  覆蓋率
    3.3.3  多樣性
    3.3.4  驚喜度
    3.3.5  新穎度
    3.3.6  實時性
    3.3.7  健壯性
    3.3.8  商業目標
    3.3.9  小結
  任務3.4  實際評測推薦系統
    3.4.1  線下測試
    3.4.2  線上測試
  本章小結
  本章習題
第4章  基於內容的召回
  技能目標
  本章任務
  任務4.1  掌握物品特徵抽取的基本方法
    4.1.1  抽取基本特徵
    4.1.2  抽取文本特徵
    4.1.3  抽取圖像特徵
  任務4.2  掌握相似度的衡量方法
    4.2.1  曼哈頓距離
    4.2.2  歐氏距離
    4.2.3  餘弦相似度
  任務4.3  實際開發一款基於內容召回的推薦系統
    4.3.1  準備電影特徵
    4.3.2  計算電影間的相似度
    4.3.3  預測用戶評分
    4.3.4  生成頭部推薦
  任務4.4  掌握橫向評測框架的開發和使用方法
    4.4.1  自定義預測演算法
    4.4.2  比較控制器
    4.4.3  評測內容召回推薦演算法
  任務4.5  理解基於內容召回的優點和缺點
    4.5.1  內容召回的優點
    4.5.2  內容召回的缺點
  本章小結
  本章習題
第5章  基於協同過濾的召回
  技能目標
  本章任務
  任務5.1  掌握協同過濾的基本思想和主要分類
  任務5.2  掌握協同過濾中相似性的衡量方法
    5.2.1  行為數據的特點
    5.2.2  相似性的衡量

  任務5.3  實際開發一款基於用戶的協同過濾推薦系統
    5.3.1  創建用戶評分矩陣
    5.3.2  創建用戶相似度矩陣
    5.3.3  尋找相似用戶
    5.3.4  根據相似用戶的喜好給出推薦
    5.3.5  排序並過濾推薦電影列表（基於用戶的協同過濾）
    5.3.6  運行項目
  任務5.4  實際開發一款基於物品的協同過濾推薦系統
    5.4.1  創建電影評分矩陣
    5.4.2  創建電影相似度矩陣
    5.4.3  獲取當前用戶喜好
    5.4.4  根據用戶喜好給出推薦
    5.4.5  排序並過濾推薦電影列表（基於電影的協同過濾）
    5.4.6  運行項目
  任務5.5  實際評測協同過濾與評分預測融合模型
    5.5.1  基於用戶的K最近鄰推薦
    5.5.2  基於物品的K最近鄰推薦
    5.5.3  評測K最近鄰推薦演算法
  本章小結
  本章習題
第6章  基於深度學習的召回
  技能目標
  本章任務
  任務6.1  掌握並實際評測矩陣分解演算法
  任務6.2  掌握並實際評測受限玻爾茲曼機演算法
  任務6.3  掌握並實際評測自動編碼機演算法
  任務6.4  掌握優兔基於深度學習的召回模型
  任務6.5  了解Netflix的推薦模型
  本章小結
  本章習題
第7章  經典排序模型
  技能目標
  本章任務
  任務7.1  下載並探索一個排序用數據集
  任務7.2  掌握並實際評測邏輯回歸排序演算法
    7.2.1  邏輯回歸的基本原理
    7.2.2  邏輯回歸示例代碼
  任務7.3  掌握並實際評測梯度提升決策樹和邏輯回歸融合模型
    7.3.1  梯度提升決策樹的工作原理
    7.3.2  梯度提升決策樹與邏輯回歸融合模型
    7.3.3  梯度提升決策樹和邏輯回歸融合模型的示例代碼
  任務7.4  掌握並實際評測貝葉斯個性化排序演算法
    7.4.1  貝葉斯法則
    7.4.2  貝葉斯個性化排序演算法原理
    7.4.3  貝葉斯個性化排序示例代碼
  本章小結
  本章習題
第8章  基於深度學習的排序
  技能目標
  本章任務

  任務8.1  掌握因子分解機的基本原理
  任務8.2  掌握廣度和深度融合模型的基本原理
  任務8.3  掌握優兔深度學習排序模型的基本原理
  本章小結
  本章習題
第9章  基於會話的推薦
  技能目標
  本章任務
  任務9.1  了解基於會話的推薦系統的發展歷史
  任務9.2  掌握循環神經網路在推薦系統中的應用
    9.2.1  基於門控循環單元的推薦系統
    9.2.2  多會話迷你批處理
    9.2.3  批處理中的負採樣
    9.2.4  排序損失函數的選擇
    9.2.5  實驗過程
  任務9.3  學習將語境信息融入循環神經網路推薦系統
    9.3.1  語境的重要性
    9.3.2  語境的融入方法
    9.3.3  融合語境的循環神經網路模型
    9.3.4  實驗過程
  本章小結
  本章習題
第10章  基於強化學習的推薦
  技能目標
  本章任務
  任務10.1  了解在推薦系統中應用強化學習的背景
  任務10.2  了解強化學習的技術基礎
    10.2.1  情境描述
    10.2.2  策略學習
    10.2.3  用戶長期參與度
  任務10.3  深入研究「探索與開採並舉」的強化學習推薦系統
    10.3.1  提升多樣性的強化學習推薦系統
    10.3.2  試驗過程
    10.3.3  試驗結果
  本章小結
  本章習題
第11章  工業級推薦系統
  技能目標
  本章任務
  任務11.1  了解深度規模化稀疏張量網路引擎
  任務11.2  掌握DSSTNE深度學習框架的使用方法
    11.2.1  轉換數據
    11.2.2  訓練階段
    11.2.3  預測階段
  任務11.3  了解工業級推薦系統的架構方法
    11.3.1  系統架構
    11.3.2  並行化
    11.3.3  結束語
  本章小結
  本章習題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032