ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Building Recommendation Systems in Python and JAX: Hands-On Production Systems at Scale

دانلود کتاب ساخت سیستم های توصیه در پایتون و JAX: سیستم های تولید عملی در مقیاس

Building Recommendation Systems in Python and JAX: Hands-On Production Systems at Scale

مشخصات کتاب

Building Recommendation Systems in Python and JAX: Hands-On Production Systems at Scale

ویرایش:  
نویسندگان: ,   
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 

قیمت کتاب (تومان) : 48,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


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.


توضیحاتی در مورد کتاب ساخت سیستم های توصیه در پایتون و JAX: سیستم های تولید عملی در مقیاس



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:

  • داده های ضروری برای ساخت RecSys
  • چگونه داده ها و کسب و کار خود را به عنوان یک مشکل RecSys چارچوب بندی کنیم
  • روش ها برای ارزیابی مدل‌های مناسب برای سیستم شما
  • روش‌های پیاده‌سازی، آموزش، آزمایش و استقرار مدلی که انتخاب می‌کنید
  • معیارهایی که باید ردیابی کنید تا مطمئن شوید سیستم شما طبق برنامه کار می‌کند
  • نحوه بهبود هنگامی که درباره کاربران، محصولات و مورد تجاری خود اطلاعات بیشتری کسب می کنید، سیستم شما

توضیحاتی درمورد کتاب به خارجی

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:

  • The data essential for building a RecSys
  • How to frame your data and business as a RecSys problem
  • Ways to evaluate models appropriate for your system
  • Methods to implement, train, test, and deploy the model you choose
  • Metrics you need to track to ensure your system is working as planned
  • How to improve your system as you learn more about your users, products, and business case




نظرات کاربران