دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Bryan Bischof Ph.D, Hector Yee سری: ISBN (شابک) : 9781492097990, 1492097993 ناشر: O'Reilly Media سال نشر: تعداد صفحات: 400 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Building Recommendation Systems in Python and JAX: Hands-On Production Systems at Scale به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساخت سیستم های توصیه در پایتون و JAX: سیستم های تولید عملی در مقیاس نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پیادهسازی و طراحی سیستمهایی که به کاربران پیشنهاد میدهند، از محبوبترین و ضروریترین برنامههای یادگیری ماشینی موجود هستند. چه بخواهید مشتریان جذابترین اقلام را در فروشگاه آنلاین شما بیابند، چه ویدیوهایی برای غنیسازی و سرگرم کردن آنها، یا اخباری که باید بدانند، سیستمهای توصیه (RecSys) این راه را فراهم میکنند.
در این کتاب کاربردی، نویسندگان برایان بیشوف و هکتور یی مفاهیم اصلی و مثالهایی را برای کمک به ایجاد RecSys برای هر صنعت یا مقیاسی به شما نشان میدهند. شما ریاضیات، ایده ها و جزئیات اجرایی را که برای موفقیت نیاز دارید، یاد خواهید گرفت. این کتاب شامل اجزای پلتفرم RecSys، ابزار MLOps مربوطه در پشته شما، بهعلاوه مثالهای کد و پیشنهادات مفید در PySpark، SparkSQL، FastAPI، Weights & Biases، و Kafka است.
یاد خواهید گرفت:
Implementing and designing systems that make suggestions to users are among the most popular and essential machine learning applications available. Whether you want customers to find the most appealing items at your online store, videos to enrich and entertain them, or news they need to know, recommendation systems (RecSys) provide the way.
In this practical book, authors Bryan Bischof and Hector Yee illustrate the core concepts and examples to help you create a RecSys for any industry or scale. You'll learn the math, ideas, and implementation details you need to succeed. This book includes the RecSys platform components, relevant MLOps tools in your stack, plus code examples and helpful suggestions in PySpark, SparkSQL, FastAPI, Weights & Biases, and Kafka.
You'll learn: