買這商品的人也買了...
-
Deep Learning|用 Python 進行深度學習的基礎理論實作$580$458 -
AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)$474$450 -
$352關聯數據:萬維網上的結構化數據 -
推薦系統實踐$419$398 -
Python 機器學習, 2/e (Python Machine Learning, 2/e)$690$538 -
$709推薦系統:技術、評估及高效算法, 2/e (Recommender Systems Handbook, 2/e) -
機器學習|工作現場的評估、導入與實作$580$458 -
從零開始學架構:照著做,你也能成為架構師$594$564 -
$768數據密集型應用系統設計 (Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems) -
$352機器學習算法實踐 — 推薦系統的協同過濾理論及其應用 -
$332推薦系統與深度學習 -
$352Python 人臉識別:從入門到工程實踐 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
$352深度學習的數學 -
$403推薦系統開發實戰 -
$534推薦系統算法實踐 -
$454統計推薦系統 -
$594瘋狂 XML 講義, 3/e -
自然語言處理入門$594$564 -
機器學習實務|資料科學工作流程與應用程式開發及最佳化 (Machine Learning in Production: Developing and Optimizing Data Science Workflows and Applications)$580$493 -
tf.keras 技術者們必讀!深度學習攻略手冊$1,000$850 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
$658構建企業級推薦系統:算法、工程實現與案例分析 -
遊戲化思維:從激勵到沈浸$359$341 -
客戶留存數據分析與預測$768$730
商品描述
本書是一本關於推薦系統產品如何落地的綜合圖書,內容覆蓋產品、算法、工程、團隊和個人成長。書中不僅梳理了從事推薦系統工作需要具備的思維模式和需要瞭解的問題類型,還從產品和商業角度分析了當前最火爆的信息流內在邏輯。本書用非常通俗易懂的方式介紹了推薦系統的經典算法原理,並有相應的配套實踐代碼,以幫助初入門的算法工程師快速上手。除了推薦算法,書中還包含一些不屬於推薦算法但是很常見的實用算法。除算法原理之外,還有典型的工程架構描述,以及架構內部的具體模塊細節描述。這些都是在設計推薦系統的過程中不可或缺而又不容易在公開場合獲得的內容。此外,本書還涉及一部分推薦系統安全相關的知識,以及團隊搭建經驗和個人成長心得。本書適合以推薦系統為代表的效果類產品從業者閱讀,包括決策者,以及產品、算法、架構、安全、運營人員。這是一本可以架起不同工種之間友好溝通橋梁的書。
