Avis des lecteurs
Résumé:Le livre sur les systèmes de recommandation a reçu des critiques mitigées, beaucoup louant son accessibilité pour les débutants et ses exemples de codage pratiques, tandis que d'autres critiquent son organisation, sa profondeur et certains aspects techniques.
Avantages:Le livre est facile à comprendre, construit méthodiquement et fournit des exemples de codage pratiques et des scénarios du monde réel. Il est utile aux débutants et comprend des ressources utiles telles que des vidéos et des liens de téléchargement de code. De nombreux lecteurs apprécient la concision des explications et la disponibilité du code sur GitHub.
Inconvénients:Les critiques notent un manque d'organisation, avec des chapitres qui semblent décousus. Certains estiment qu'il manque de profondeur, en particulier sur des sujets avancés tels que la factorisation matricielle et l'apprentissage profond. Des liens dans le livre sont signalés comme étant cassés, et la qualité générale du code est considérée comme basique. Il peut ne pas convenir à ceux qui ont une expérience préalable en science des données.
(basé sur 11 avis de lecteurs)
Titre original :
Hands-On Recommendation Systems with Python
Contenu du livre :
Avec Hands-On Recommendation Systems with Python, apprenez les outils et les techniques nécessaires pour construire différents types de systèmes de recommandation puissants (collaboratifs, basés sur la connaissance et le contenu) et les déployer sur le web Les systèmes de recommandation sont au cœur de presque toutes les entreprises Internet aujourd'hui ; de Facebook à Netflix en passant par Amazon. Fournir de bonnes recommandations, qu'il s'agisse d'amis, de films ou de courses, contribue grandement à définir l'expérience de l'utilisateur et à inciter vos clients à utiliser votre plateforme.
Ce livre vous montre comment y parvenir. Vous découvrirez les différents types de recommandeurs utilisés dans l'industrie et verrez comment les construire à partir de zéro en utilisant Python. Il n'est pas nécessaire de se plonger dans des tonnes de théories sur l'apprentissage automatique - vous commencerez à construire et à apprendre sur les recommandeurs le plus rapidement possible....
Dans ce livre, vous construirez un clone du Top 250 d'IMDB, un moteur basé sur le contenu qui fonctionne sur les métadonnées des films. Vous utiliserez des filtres collaboratifs pour exploiter les données sur le comportement des clients, et un système de recommandation hybride qui incorpore des techniques basées sur le contenu et des techniques de filtrage collaboratif.
Avec ce livre, tout ce dont vous avez besoin pour commencer à construire des systèmes de recommandation est une familiarité avec Python, et lorsque vous aurez terminé, vous aurez une bonne compréhension du fonctionnement des recommandeurs et serez en position de force pour appliquer les techniques que vous apprendrez à vos propres domaines de problèmes. Si vous êtes un développeur Python et que vous souhaitez développer des applications pour les réseaux sociaux, la personnalisation des informations ou la publicité intelligente, ce livre est fait pour vous.
Une connaissance de base des techniques d'apprentissage automatique est utile, mais pas obligatoire.
Autres informations sur le livre :
| ISBN : | 9781788993753 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
