دانلود کتاب Recommender Systems: Algorithms and Applications (به فارسی: سیستم های توصیه کننده: الگوریتم ها و برنامه های کاربردی) نوشته شده توسط «P. Pavan Kumar – S. Vairachilai – Sirisha Potluri – Sachi Nandan Mohanty»
اطلاعات کتاب سیستم های توصیه کننده: الگوریتم ها و برنامه های کاربردی
موضوع اصلی: کامپیوترها
نوع: کتاب الکترونیکی
ناشر: CRC Press
نویسنده: P. Pavan Kumar – S. Vairachilai – Sirisha Potluri – Sachi Nandan Mohanty
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 248 / 249
حجم فایل: 17.61 مگابایت
کد کتاب: 1000387275 , 9781000387278
توضیحات کتاب سیستم های توصیه کننده: الگوریتم ها و برنامه های کاربردی
سیستم‌های توصیه‌گر از فیلتر اطلاعات برای پیش‌بینی تنظیمات برگزیده کاربر استفاده می‌کنند. آنها در حال تبدیل شدن به بخش حیاتی تجارت الکترونیک هستند و در صنایع مختلف، از سرگرمی و شبکه های اجتماعی گرفته تا فناوری اطلاعات، گردشگری، آموزش، کشاورزی، مراقبت های بهداشتی، تولید و خرده فروشی استفاده می شوند. سیستم‌های توصیه‌گر: الگوریتم‌ها و کاربردهابه زیربنای نظری این سیستم‌ها می‌پردازد و به نحوه اعمال و پیاده‌سازی این نظریه در سیستم‌های واقعی نگاه می‌کند.
این کتاب چندین کلاس از الگوریتم های توصیه را بررسی می کند، از جمله
- الگوریتم های یادگیری ماشین
- الگوریتم های تشخیص انجمن
- الگوریتم های فیلترینگ
سیستم‌های مختلف توصیه‌کننده محصول کارآمد و قوی با استفاده از الگوریتم‌های یادگیری ماشین در فیلتر کردن و کاوش داده‌های دیده نشده توسط کاربران برای پیش‌بینی و برون‌یابی بهتر تصمیم‌ها مفید هستند. اینها طیف گسترده‌تری از راه‌حل‌ها را برای چالش‌هایی مانند مشکلات مجموعه داده‌های نامتعادل، مشکلات شروع سرد و مشکلات دم طولانی ارائه می‌کنند. این کتاب همچنین به موقعیت‌های هستی‌شناختی بنیادینی می‌پردازد که پایه‌های سیستم‌های توصیه‌گر را تشکیل می‌دهند و توضیح می‌دهند که چرا برخی توصیه‌ها بر دیگران پیش‌بینی می‌شوند.
تکنیک‌ها و رویکردهای توسعه سیستم‌های توصیه‌گر نیز بررسی می‌شوند. اینها می توانند به پیاده سازی الگوریتم ها به عنوان سیستم کمک کنند و شامل
- یک تکنیک فاکتور پنهان برای سیستم های فیلتر مبتنی بر مدل
- رویکردهای فیلتر مشارکتی
- رویکردهای مبتنی بر محتوا
در نهایت، این کتاب به بررسی سیستم های واقعی برای شبکه های اجتماعی، توصیه محصولات مصرفی، و پیش بینی ریسک در پروژه های مهندسی نرم افزار می پردازد.
Recommender systems use information filtering to predict user preferences. They are becoming a vital part of e-business and are used in a wide variety of industries, ranging from entertainment and social networking to information technology, tourism, education, agriculture, healthcare, manufacturing, and retail. Recommender Systems: Algorithms and Applications dives into the theoretical underpinnings of these systems and looks at how this theory is applied and implemented in actual systems.
The book examines several classes of recommendation algorithms, including
- Machine learning algorithms
- Community detection algorithms
- Filtering algorithms
Various efficient and robust product recommender systems using machine learning algorithms are helpful in filtering and exploring unseen data by users for better prediction and extrapolation of decisions. These are providing a wider range of solutions to such challenges as imbalanced data set problems, cold-start problems, and long tail problems. This book also looks at fundamental ontological positions that form the foundations of recommender systems and explain why certain recommendations are predicted over others.
Techniques and approaches for developing recommender systems are also investigated. These can help with implementing algorithms as systems and include
- A latent-factor technique for model-based filtering systems
- Collaborative filtering approaches
- Content-based approaches
Finally, this book examines actual systems for social networking, recommending consumer products, and predicting risk in software engineering projects.
دانلود کتاب «سیستم های توصیه کننده: الگوریتم ها و برنامه های کاربردی»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.