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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Kim Falk سری: ISBN (شابک) : 1617292702, 9781617292705 ناشر: Manning Publications سال نشر: 2019 تعداد صفحات: 432 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 مگابایت
در صورت تبدیل فایل کتاب Practical Recommender Systems 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 سیستم های توصیه کننده عملی 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.
خلاصه سیستمهای توصیهگر آنلاین به کاربران کمک میکنند فیلمها، شغلها، رستورانها و حتی عاشقانهها را پیدا کنند! هنر در ترکیب آمار، جمعیت شناسی و اصطلاحات پرس و جو برای دستیابی به نتایجی وجود دارد که آنها را خوشحال می کند. یاد بگیرید که یک سیستم توصیهکننده را به روش درست بسازید: این سیستم میتواند برنامه شما را بسازد یا خراب کند! خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالبهای PDF، Kindle و ePub از انتشارات منینگ است. درباره سیستمهای توصیهکننده فناوری همه جا وجود دارد و به شما کمک میکند همه چیز را از فیلم گرفته تا شغل، رستوران تا بیمارستان، حتی عاشقانه پیدا کنید. این سیستمها با استفاده از دادههای رفتاری و جمعیتشناختی، پیشبینی میکنند که کاربران در یک زمان خاص به چه چیزی بیشتر علاقهمند خواهند بود، که در نتیجه پیشنهادهای باکیفیت، سفارشی و شخصیشده ارائه میشود. سیستم های توصیه گر عملا یک ضرورت برای به روز نگه داشتن محتوای سایت شما، مفید و جالب برای بازدیدکنندگان هستند. About the Book Practical Recommender Systems نحوه عملکرد سیستم های توصیه گر را توضیح می دهد و نحوه ایجاد و اعمال آنها را برای سایت خود نشان می دهد. پس از پرداختن به اصول اولیه، نحوه جمعآوری دادههای کاربر و تولید توصیههای شخصیشده را خواهید دید. شما یاد خواهید گرفت که چگونه از محبوب ترین الگوریتم های توصیه استفاده کنید و نمونه هایی از آنها را در سایت هایی مانند آمازون و نتفلیکس ببینید. در نهایت، این کتاب مشکلات مقیاسبندی و سایر مسائلی را که با رشد سایت خود با آن مواجه خواهید شد، پوشش میدهد. آنچه در داخل است نحوه جمعآوری و درک رفتار کاربر فیلترینگ مشارکتی و مبتنی بر محتوا الگوریتمهای یادگیری ماشین مثالهای دنیای واقعی در پایتون درباره Reader خوانندگان به مهارتهای برنامهنویسی و پایگاه داده متوسط نیاز دارند. درباره نویسنده کیم فالک یک دانشمند داده با تجربه است که روزانه با یادگیری ماشین و سیستم های توصیه گر کار می کند. فهرست مطالب بخش 1 - آماده شدن برای سیستم های توصیه کننده توصیه کننده چیست؟ رفتار کاربر و نحوه جمعآوری آن نظارت بر رتبهبندیهای سیستم و نحوه محاسبه آنها توصیههای غیر شخصی کاربر (و محتوا) که از سردی وارد شده است بخش 2 - الگوریتمهای توصیهکننده یافتن شباهتها بین کاربران و بین محتوا فیلترینگ مشارکتی در همسایگی ارزیابی و آزمایش توصیه کننده خود فیلترینگ مبتنی بر محتوا یافتن ژانرهای پنهان با فاکتورسازی ماتریس استفاده از بهترین الگوریتم ها: پیاده سازی توصیه کننده های ترکیبی رتبه بندی و یادگیری رتبه بندی آینده سیستم های توصیه گر