Description Learn how to build recommender systems from one of Amazon's pioneers in the field.
Frank Kane spent over nine years at Amazon, where he managed and led the development of many of Amazon's personalized product recommendation technologies.
You've seen automated recommendations everywhere - on Netflix's home page, on You Tube, and on Amazon as these machine learning algorithms learn about your unique interests, and show the best products or content for you as an individual.
These technologies have become central to the largest, most prestigious tech employers out there, and by understanding how they work, you'll become very valuable to them.
This book is adapted from Frank's popular online course published by Sundog Education, so you can expect lots of visual aids from its slides and a conversational, accessible tone throughout the book.
The graphics and scripts from over 300 slides are included, and you'll have access to all of the source code associated with it as well.
We'll cover tried and true recommendation algorithms based on neighborhood-based collaborative filtering, and work our way up to more modern techniques including matrix factorization and even deep learning with artificial neural networks.
Along the way, you'll learn from Frank's extensive industry experience to understand the real-world challenges you'll encounter when applying these algorithms at large scale and with real-world data.
This book is very hands-on; you'll develop your own framework for evaluating and combining many different recommendation algorithms together, and you'll even build your own neural networks using Tensorflow to generate recommendations from real-world movie ratings from real people.
We'll cover: -Building a recommendation engine-Evaluating recommender systems-Content-based filtering using item attributes-Neighborhood-based collaborative filtering with user-based, item-based, and KNN CF-Model-based methods including matrix factorization and SVD-Applying deep learning,.
| Cover | Building a recommendation engineevaluating recommender systemscontentbased filtering using item attributesneighborhoodbased collaborative filtering with userbased itembased and |
|---|
Independently Published este un brand dedicat creatorilor care aleg să-și spună povestea pe cont propriu.
Indiferent că este vorba despre autori de cărți, designeri grafici, ilustratori sau antreprenori din zona de conținut, misiunea noastră este să oferim o platformă solidă, instrumente eficiente și sprijin real pentru fiecare etapă a procesului de publicare.
Trăim într-o eră în care vocile autentice, independente, sunt mai valoroase ca niciodată.
Independently Published vine în sprijinul celor care aleg să își păstreze controlul creativ, financiar și strategic asupra lucrărilor lor, oferind soluții moderne pentru publicare, promovare și distribuție – fie că e vorba de format tipărit, digital sau multimedia.
Ce oferim: – Asistență completă pentru publicarea independentă: de la editare și design de copertă, până la layout și producție – Soluții flexibile pentru tipărire la cerere și distribuție globală – Platforme prietenoase pentru autori, fără costuri ascunse și fără compromisuri asupra drepturilor de autor – Suport dedicat pentru branding, promovare și creșterea vizibilității în piață – Acces la o comunitate de creatori independenți, editori, cititori și colaboratori din întreaga lume Independently Published nu este doar un furnizor de servicii, ci un partener de drum lung pentru fiecare creator care își dorește să-și vadă munca apreciată exact așa cum a fost concepută: autentică, personală și fără filtre impuse de editori tradiționali.
Aici, fiecare proiect este tratat cu respect, profesionalism și grijă pentru detalii.
Credem în ideile curajoase, în poveștile spuse cu sinceritate și în forța unei comunități creative care nu se teme să iasă din tipare.
Independently Published – pentru că unele povești merită să fie spuse exact așa cum sunt.
De tine.
Independently Published Building recommender systems with machine learning and ai: help people discover new products and content with deep learning, neural networks, and mach, paperback/frank kane
