统计推荐系统 在线电子书 图书标签: 推荐系统 机器学习 美国 2019
发表于2024-12-18
统计推荐系统 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024
迪帕克·K. 阿加瓦尔(Deepak K. Agarwal) LinkedIn公司副总裁,领导人工智能/机器学习团队的研发工作。之前曾任Yahoo!研究院研究主管和首席研究员,以及AT&T公司研究员。20多年来,他致力于为Web应用开发、部署机器学习和统计方法,以及解决推荐系统和计算广告领域的大数据问题。
陈必衷(Bee-Chung Chen) LinkedIn公司首席主任工程师、应用研究员,曾任Yahoo!研究院研究员。作为核心开发者,他为LinkedIn和Yahoo!设计了前沿的推荐算法,
推荐系统无处不在,已经成为我们日常生活的一部分。本书由LinkedIn公司的两位技术专家撰写,着眼于推荐系统的核心——统计方法,不仅介绍算法理论,而且包含实验分析及结果展示,分享了作者丰富的实战经验。
书中对推荐系统进行了全面讨论,特别是面向日益突显的多反馈和多目标优化问题,深入分析了当前先进的统计方法,如自适应序贯设计(多臂赌博机方法)、双线性随机效应模型(矩阵分解)以及基于MapReduce分布式框架的可伸缩模型,为热门推荐和个性化推荐提供了实用的解决方案。全书将基于回归的响应预测方法作为主要工具,兼顾实验设计和统计模型开发,关注探索和利用之间的权衡。
评分
评分
评分
评分
统计推荐系统 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024