Building a Recommendation System with R: Learn the art of building robust and powerful recommendation engines using R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Gorakala S.K.,  Usuelli M.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 158 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 37,000

Packt Publishing, 2015. — 135 p. — ISBN: 1783554495, 9781783554492 هنر ساخت موتورهای توصیه قوی و قدرتمند را با استفاده از R About This Book بیاموزید
آموزش بهره برداری از تکنیک های مختلف داده کاوی
برخی از محبوب ترین تکنیک های توصیه را درک کنید این یک راهنمای گام به گام پر از نمونه های واقعی است که به شما در ساخت و بهینه سازی موتورهای توصیه کمک می کند. این کتاب برای شماست اگر شما یک توسعه‌دهنده توانمند با دانش یادگیری ماشینی و R هستید و می‌خواهید مهارت‌های خود را برای ساختن سیستم‌های توصیه بیشتر تقویت کنید، این کتاب برای شما مناسب است. آنچه یاد خواهید گرفت
با مهمترین شاخه های توصیه آشنا شوید
تکنیک های مختلف پردازش داده و داده کاوی را درک کنید
ارزیابی و بهینه سازی الگوریتم های توصیه
آماده سازی و ساختار داده‌ها قبل از ساخت مدل‌ها
سیستم‌های توصیه‌گر مختلف را به همراه پیاده‌سازی آنها در R کشف کنید
تکنیک‌های ارزیابی مختلف مورد استفاده در سیستم‌های توصیه‌گر را کاوش کنید به درباره rekomanderlab، یک بسته R بدانید و نحوه بهینه‌سازی آن را برای ایجاد سیستم‌های توصیه کارآمد به تفصیل درک کنید. R اخیراً به یکی از محبوب ترین زبان های برنامه نویسی برای تجزیه و تحلیل داده ها تبدیل شده است. ساختار آن به شما امکان می دهد به طور تعاملی داده ها را کاوش کنید و ماژول های آن به لطف جامعه گسترده بین المللی آن، دارای پیشرفته ترین تکنیک ها هستند. این ویژگی متمایز زبان R آن را به انتخابی ارجح برای توسعه دهندگانی که به دنبال ساخت سیستم های توصیه هستند تبدیل می کند. این کتاب به شما کمک می کند تا درک کنید که چگونه سیستم های توصیه گر را با استفاده از R بسازید. با توضیح مبانی داده کاوی و یادگیری ماشین شروع می شود. در ادامه با نحوه ساخت و بهینه سازی مدل های توصیه گر با استفاده از R آشنا خواهید شد. پس از آن، مروری بر محبوب ترین تکنیک های توصیه به شما داده خواهد شد. در نهایت، شما یاد خواهید گرفت که تمام مفاهیمی را که در طول کتاب آموخته اید، برای ساختن یک سیستم توصیه گر پیاده سازی کنید. سبک و رویکرد این یک راهنمای گام به گام است که شما را از طریق یک سری وظایف اصلی راهنمایی می کند. هر کار با کمک مثال های عملی به تفصیل توضیح داده شده است.

Packt Publishing, 2015. — 135 p. — ISBN: 1783554495, 9781783554492 Learn the art of building robust and powerful recommendation engines using R About This Book
Learn to exploit various data mining techniques
Understand some of the most popular recommendation techniques This is a step-by-step guide full of real-world examples to help you build and optimize recommendation engines Who This Book Is For If you are a competent developer with some knowledge of machine learning and R, and want to further enhance your skills to build recommendation systems, then this book is for you. What You Will Learn
Get to grips with the most important branches of recommendation
Understand various data processing and data mining techniques
Evaluate and optimize the recommendation algorithms
Prepare and structure the data before building models
Discover different recommender systems along with their implementation in R
Explore various evaluation techniques used in recommender systems Get to know about recommenderlab, an R package, and understand how to optimize it to build efficient recommendation systems In Detail A recommendation system performs extensive data analysis in order to generate suggestions to its users about what might interest them. R has recently become one of the most popular programming languages for the data analysis. Its structure allows you to interactively explore the data and its modules contain the most cutting-edge techniques thanks to its wide international community. This distinctive feature of the R language makes it a preferred choice for developers who are looking to build recommendation systems. The book will help you understand how to build recommender systems using R. It starts off by explaining the basics of data mining and machine learning. Next, you will be familiarized with how to build and optimize recommender models using R. Following that, you will be given an overview of the most popular recommendation techniques. Finally, you will learn to implement all the concepts you have learned throughout the book to build a recommender system. Style and approach This is a step-by-step guide that will take you through a series of core tasks. Every task is explained in detail with the help of practical examples.