Avis des lecteurs
Résumé:Ce livre est très apprécié pour sa clarté, sa couverture complète des systèmes de recommandation et ses idées pratiques, ce qui le rend précieux tant pour les débutants que pour les lecteurs plus avancés. Cependant, il manque de profondeur sur des sujets avancés tels que les applications de l'apprentissage profond dans les systèmes de recommandation et comporte peu d'exemples concrets.
Avantages:Rédaction claire et bien organisée. Couverture complète des algorithmes et des concepts des systèmes de recommandation. Fournit des informations pratiques et théoriques. Excellent matériel de référence. Bénéfique à la fois pour les nouveaux venus et les lecteurs avancés.
Inconvénients:Manque de couverture en profondeur de sujets avancés tels que l'apprentissage profond dans les systèmes de recommandation. Manque d'exemples numériques ou de code d'implémentation, ce qui le rend moins pratique pour certains lecteurs. La table des matières de la version Kindle n'est pas hyperliée, ce qui peut gêner la navigation.
(basé sur 18 avis de lecteurs)
Titre original :
Recommender Systems: The Textbook
Contenu du livre :
Ce livre couvre de manière exhaustive le sujet des systèmes de recommandation, qui fournissent des recommandations personnalisées de produits ou de services aux utilisateurs en fonction de leurs recherches ou de leurs achats précédents. Les méthodes des systèmes de recommandation ont été adaptées à diverses applications, notamment l'exploration des journaux de requêtes, les réseaux sociaux, les recommandations de nouvelles et la publicité informatique. Ce livre fait la synthèse des sujets fondamentaux et avancés d'un domaine de recherche qui a maintenant atteint sa maturité. Les chapitres de ce livre sont organisés en trois catégories :
Algorithmes et évaluation : Ces chapitres traitent des algorithmes fondamentaux des systèmes de recommandation, y compris les méthodes de filtrage collaboratif, les méthodes basées sur le contenu, les méthodes basées sur la connaissance, les méthodes basées sur l'ensemble et l'évaluation.
Recommandations dans des domaines et contextes spécifiques : le contexte d'une recommandation peut être considéré comme une information secondaire importante qui affecte les objectifs de la recommandation. Différents types de contexte tels que les données temporelles, les données spatiales, les données sociales, les données d'étiquetage et la fiabilité sont explorés.
Sujets et applications avancés : Différents aspects de la robustesse des systèmes de recommandation, tels que les systèmes d'effacement, les modèles d'attaque et leurs défenses sont discutés.
En outre, des sujets récents, tels que l'apprentissage par classement, les bandits à bras multiples, les systèmes de groupe, les systèmes multicritères et les systèmes d'apprentissage actif, sont présentés avec leurs applications.
Bien que ce livre soit avant tout un manuel, il intéressera également les praticiens industriels et les chercheurs en raison de l'accent mis sur les applications et les références. De nombreux exemples et exercices ont été fournis, et un manuel de solutions est disponible pour les enseignants.
Autres informations sur le livre :
| ISBN : | 9783319806198 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
