Applied Recommender Systems with Python
Lingua: inglese
Editore: APress, US, 2022
- Brossura
- Nuovo
Da: Rarewaves USA, HEBRON, KY, U.S.A.Rarewaves USA
Venditore AbeBooks dal 10 giugno 2025
Condizione: Nuovo
EUR 34,86
Quantità: Più di 20 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
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 factorization Build 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.…
Codice articolo LU-9781484289532
- Titolo
- Applied Recommender Systems with Python
- Autore
- V Adithya Krishnan, Akshay Kulkarni, Anoosh Kulkarni, Adarsha Shivananda
- Editore
- APress, US
- Anno di pubblicazione
- 2022
- Condizione
- New
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 10
- 1484289536
- ISBN 13
- 9781484289532
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
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
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."Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Rarewaves USA
HEBRON, KY, U.S.A.
Venditore AbeBooks dal 10 giugno 2025
Tariffe di spedizione nazionale per U.S.A.
| Articolo | Da 13 a 14 giorni lavorativi | Da 13 a 16 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 0,00 | EUR 0,00 |
Metodi di pagamento
Informazioni sull’azienda del venditore
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL U.S.A. 33065
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Rarewaves USA, Coral Springs, Florida, U.S.A., senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Afghanistan
Bhutan
Brazil
Brunei Darussalam
Channel Islands
Chile
Israel
Lao
Mexico
Russian Federation
Saudi Arabia
South Africa
Yemen
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.