Applied Recommender Systems with Python : Build Recommender Systems with Deep Learning, NLP and Graph-Based Techniques
Idioma: inglés
Editorial: Apress, 2022
- Tapa blanda
- Nuevo
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Vendedor de AbeBooks desde el 14 de agosto de 2006
Condición: Nuevo
EUR 51,76
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
nach der Bestellung gedruckt Neuware - Printed after ordering - This book will teach you how to build recommender systems with machine learning algorithms using Python. Recommender systems have become an essential part of every internet-based business today.You'll start by learning basic concepts of recommender systems, with an overview of different types of recommender engines and how they function. Next, you will see how to build recommender systems with traditional algorithms such as market basket analysis and content- and knowledge-based recommender systems with NLP. The authors then demonstrate techniques such as collaborative filtering using matrix factorization and hybrid recommender systems that incorporate both content-based and collaborative filtering techniques. This is followed by a tutorial on building machine learning-based recommender systems using clustering and classification algorithms like K-means and random forest. The last chapters cover NLP, deep learning, and graph-based techniques to build a recommender engine. Each chapter includes data preparation, multiple ways to evaluate and optimize the recommender systems, supporting examples, and illustrations.By the end of this book, you will understand and be able to build recommender systems with various tools and techniques with machine learning, deep learning, and graph-based algorithms.What You Will LearnUnderstand and implement different recommender systems techniques with PythonEmploy popular methods like content- and knowledge-based, collaborative filtering, market basket analysis, and matrix factorizationBuild hybrid recommender systems that incorporate both content-based and collaborative filteringLeverage machine learning, NLP, and deep learning for building recommender systemsWho This Book Is ForData scientists, machine learning engineers, and Python programmers interested in building and implementing recommender systems to solve problems.…
N° de ref. del artículo 9781484289532
- Título
- Applied Recommender Systems with Python : Build Recommender Systems with Deep Learning, NLP and Graph-Based Techniques
- Autor
- Anoosh Kulkarni
- Editorial
- Apress
- Año de publicación
- 2022
- Estado
- Neu
- Encuadernación
- Taschenbuch
- Idioma
- inglés
- ISBN 10
- 1484289536
- ISBN 13
- 9781484289532
- Peso del artículo
- 503 gramos
- Dimensiones
- 254x178x15 mm
This book will teach you how to build recommender systems with machine learning algorithms using Python. Recommender systems have become an essential part of every internet-based business today.
You'll start by learning basic concepts of recommender systems, with an overview of different types of recommender engines and how they function. Next, you will see how to build recommender systems with traditional algorithms such as market basket analysis and content- and knowledge-based recommender systems with NLP. The authors then demonstrate techniques such as collaborative filtering using matrix factorization and hybrid recommender systems that incorporate both content-based and collaborative filtering techniques. This is followed by a tutorial on building machine learning-based recommender systems using clustering and classification algorithms like K-means and random forest. The last chapters cover NLP, deep learning, and graph-based techniques to build a recommender engine. Each chapter includes data preparation, multiple ways to evaluate and optimize the recommender systems, supporting examples, and illustrations.
By the end of this book, you will understand and be able to build recommender systems with various tools and techniques with machine learning, deep learning, and graph-based algorithms.- Understand and implement different recommender systems techniques with Python
- Employ popular methods like content- and knowledge-based, collaborative filtering, market basket analysis, and matrix factorization
- Build hybrid recommender systems that incorporate both content-based and collaborative filtering
- Leverage machine learning, NLP, and deep learning for building recommender systems
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del autor
Akshay R Kulkarni is an AI and machine learning evangelist and a thought leader. He has consulted several Fortune 500 and global enterprises to drive AI and data science-led strategic transformations. He is a Google developer, Author, and a regular speaker at major AI and data science conferences including Strata, O’Reilly AI Conf, and GIDS. He is a visiting faculty member for some of the top graduate institutes in India. In 2019, he has been also featured as one of the top 40 under 40 Data Scientists in India. In his spare time, he enjoys reading, writing, coding, and helping aspiring data scientists. He lives in Bangalore with his family.
Adarsha Shivananda is Data science and MLOps Leader. He is working on creating world-class MLOps capabilities to ensure continuous value delivery from AI. He aims to build a pool of exceptional data scientists within and outside of the organization to solve problems through training programs, and always wants to stay ahead of the curve. He has worked extensively in the pharma, healthcare, CPG, retail, and marketing domains. He lives in Bangalore and loves to read and teach data science.
Anoosh Kulkarni is a data scientist and an AI consultant. He has worked with global clients across multiple domains and helped them solve their business problems using machine learning (ML), natural language processing (NLP), and deep learning. Anoosh is passionate about guiding and mentoring people in their data science journey. He leads data science/machine learning meet-ups and helps aspiring data scientists navigate their careers. He also conducts ML/AI workshops at universities and is actively involved in conducting webinars, talks, and sessions on AI and data science. He lives in Bangalore with his family.
V Adithya Krishnan is a data scientist and ML Ops Engineer. He has worked with various global clients across multiple domains and helped them to solve their business problems extensively using advanced Machine learning (ML) applications. He has experience across multiple fields of AI-ML, including, Time-series forecasting, Deep Learning, NLP, ML Operations, Image processing, and data analytics. Presently, he is developing a state-of-the-art value observability suite for models in production, which includes continuous model and data monitoring along with the business value realized. He also published a paper at an IEEE conference, “Deep Learning Based Approach for Range Estimation”, written in collaboration with the DRDO. He lives in Chennai with his family.“Acerca de” puede pertenecer a otra edición de este título.
AHA-BUCH GmbH
Einbeck, Alemania
Vendedor de AbeBooks desde el 14 de agosto de 2006
Tarifas de envío de Alemania a Estados Unidos de America
| Artículo | De 7 a 10 días hábiles | De 5 a 7 días hábiles |
|---|---|---|
| Primer artículo | EUR 35,00 | EUR 45,00 |
Métodos de pago
- Cheque
- Giro bancario
- PayPal
Descripción de la tienda
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Especialidad
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformación empresarial del vendedor
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Alemania 37574
Condiciones de venta
IImprint
Información del vendedor
AHA-BUCH GmbH
representado por el director gerente Christel Glass
Garlebsen 48
37574 Einbeck
Alemania
Teléfono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
Inscrita en el Registro Mercantil Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Resolución alternativa de conflictos:
La Comisión Europea proporciona una plataforma para la resolución extrajudicial de litigios en línea (plataforma ODR), a la que se puede acceder en https://ec.europa.eu/odr.
Somos miembros de la iniciativa "FairCommerce" desde el 25.05.2018.
Para obtener más información, consulte www.fair-commerce.de.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a AHA-BUCH GmbH, Einbeck, Germany, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Enviamos su pedido después de recibirlos
para artículos disponibles las últimas 24 horas,
para artículos con suministro nocturno a más tardar 48 horas.
En caso de que necesitemos pedir un artículo a nuestro proveedor, nuestro tiempo de envío depende de la fecha de recepción de los artículos, pero los artículos se enviarán el mismo día.
Nuestro objetivo es enviar los artículos pedidos de la manera más rápida, pero también más eficiente y segura a nuestros clientes.