Contents
書籍簡介
Practical Recommender Systems 走入幕後，向你展示推薦系統的工作原理，更重要的是如何為你的網站建立和應用它們。 在介紹了推薦系統的基礎知識之後，你將會發現如何收集用戶資料並提供個人化的建議。 接下來，你將了解如何以及在哪裡使用最受歡迎的推薦演算法，並查看其在Amazon 和 Netflix 等網站上的範例。 最後，這個動手做指南涵蓋了擴展問題和你網站發展時可能遇到的其它問題。
關於這個技術
推薦系統無處不在，幫助你從電影到工作，餐廳到醫院甚至浪漫的一切找到你要的資訊。 使用行為和人口統計數據，這些系統可以預測用戶在特定時間最感興趣的內容，從而產生高品質，有序的個人化建議。 推薦系統實際上是讓訪客保持對你的網站內容更新，實用和有趣的必要條件。
書籍內容包含
- 推薦系統演算法的實用介紹
- 協同作業和基於內容的過濾
- 從訪客資料建立個人推薦
- 推薦系統的真實範例
目標讀者
本書假設你很樂意閱讀 Python 程式碼，並具有資料庫的一些經驗。
關於作者
Kim Falk 是 Adform 的資料科學家，在那裡他正在從事於推薦系統開發。 他有為大型娛樂公司提供建議和處理大數據解決方案的經驗。
購買電子書
你可能會有興趣
- 利用機器學習和人工智慧建立推薦系統
- 使用 Python 實做推薦系統和深度學習
- ★想要加強英文能力嗎？
- Soft & Share 團購和特價線上課程 加入這個社團追蹤我們的團購訊息與 Udemy 特價課程訊
- 追蹤這個 Twitter ，得到 Udemy 特價課程訊息