親手開發推薦系統 - PyTorch全方位實作最重要演算法(好評熱銷版)

出版社： 深智數位股份有限公司
作者： 於方仁
譯者： 0
規格： 17x23x2.12
裝訂： 平裝
頁數： 432
出版日： 06/19/2026
ISBN 13 : 9786267889367
內容簡介： httpss://youtu.be/3sW0fov6gN4

☆★好評熱銷再上市★☆

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

✤ 本書內容

第1章介紹推薦系統的發展歷史，對其做初步的了解。
第2章介紹較基礎的推薦演算法。
第3章介紹基於第2章的基礎推薦演算法結合深度學習的發展推導出的進階推薦演算法。
第4章介紹圖神經網路及結合圖神經網路進一步推導出的推薦演算法。
第5章介紹知識圖譜及結合知識圖譜進一步推導出的推薦演算法。
第6章介紹整個推薦系統的詳細結構及基本做法。
第7章介紹評估推薦演算法及推薦系統的指標及方式。
第8章介紹整個推薦工程整體的生命週期。
目錄：
作者簡介：