金寶書局網路書店

本書利用PyTorch、神經網路、圖論、機器學習,知識圖譜等最新技術,做出最棒的推薦系統。
第1、2章幫大家建立基礎,第3章從第2章推導,入門推薦演算法及推導能力。第4章介紹熱門的圖神經網路在推薦演算法中的應用。第5章深入知識圖譜推薦演算法,專業度高且實用性強,掌握前4章知識的讀者容易學習。第6到8章介紹整個推薦系統、商業和推薦工程。建議在第3章後隨時閱讀,特別是第7章系統介紹推薦系統評估指標。可在範例程式基礎上改進並利用第7章指標實際評估推薦系統效果。

【本書看點】
? 無痛學習推薦演算法
? 結合深度學習的發展,可推導出進階推薦演算法
? 結合圖神經網路進一步推導出推薦演算法
? 了解圖神經網路且應用於推薦演算法
? 了解整個推薦系統的詳細結構及基本做法
? 了解推薦工程整體的生命週期
? 3個重要演算法:近鄰協作過濾、ALS、FM

【適合讀者】
? 從事推薦系統相關工作的工程師。
? 對推薦系統有興趣的讀者。
? 也可作為大專院校、研究機構的學習參考書

於方仁 推薦演算法、圖神經網路、知識圖譜等領域專家。在推薦系統領域從業多年,現任蘇州中貿大資料CTO。善於在實戰中總結經驗,授課幽默風趣,樂於分享知識。